LightGBM寿命预测模型

抗噪精准剩余寿命预测

深度融合电化学退化模式与多特征自适应共享,实现对驾驶条件下锂离子电池剩余寿命的可靠预测。

Jiao, Zhipeng · Wang, Hongda · Jianchun, Xing · 杨啟梁 · Man, Yang · Yutao, Zhou · Jiubin, Zhao

IEEE Transactions on Industrial Informatics 2023

技术优势

抗噪更稳

自适应鲁棒损失函数限制测量噪声对梯度的影响,实现多损失函数的自适应调整,在不同工况下保持稳定预测。

特征共享降本

基于多任务学习视角分析Pearson相关性设计共享原则,确保充分利用特征并减少实验成本。

振动下仍准

框架在四种振动工况(静止、X轴、Y轴、Z轴)下验证,证明能提供准确稳定的RUL预测。

应用场景