忆阻级联神经形态系统

SOC估算快至20倍

用Bi-GRU、注意力与卡尔曼滤波电路级联的神经形态计算系统,专为电动车锂电池荷电状态估计设计,精度与实时性兼备。

Dong, Zhekang · Ji, Xiaoyue · Jiayang, Wang · Yeting, Gu · Wang, Junfan · 齐冬莲

IEEE Transactions on Consumer Electronics 2023

参数信息

均方根误差(RMSE)
0.853
平均绝对误差(MAE)
0.711
时间效率提升倍数
16 times

技术优势

精度更高

引入注意力机制区分有用与无关信息,并结合卡尔曼滤波消除噪声,RMSE低至0.853。

速度提升16-20倍

忆阻电路并行模拟计算替代传统数字串行处理,大幅缩短SOC估算时间。

抗噪能力强

卡尔曼滤波模块消除数据传输和处理中的随机噪声,提升系统鲁棒性。

应用场景