基于多样性增强集成学习的电池健康状态评估

作     者：冯雪松 向勇 Feng Xuesong;Xiang Yong

作者机构：电子科技大学材料与能源学院成都611731 

出 版 物：《电测与仪表》 (Electrical Measurement & Instrumentation)

年 卷 期：2023年第60卷第9期

页      面：21-26,48页

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：四川省科技支撑计划项目(201JY0554) 

主　　题：电池健康状态 多样性增强 集成学习 

摘      要：为了提高多样性、小样本数据条件下电池健康状态的评估精度,基于集成学习理论提出了一种多样性增强的Stacking集成学习回归算法。该算法核心思想是通过基于动态时间规整的K-均值聚类算法构建多样性数据,采用Stacking集成学习回归算法学习数据的多样性特征,获得更佳的模型精度,并增强模型对多样性数据的泛化能力。Stacking集成学习回归算法由多个基学习器和一个输出学习器构成,通过多个基学习器获得初步结果,通过输出学习器对初级结果进行进一步学习获得最终结果。最后采用美国国家宇航局的公开电池数据集验证了算法的有效性。