关键词流·SOX 与寿命预测·· 10 天前AI 评分28
基于特征驱动的机器学习框架：实现锂离子电池 RUL 的高精度与低算力预测
Feature driven machine learning framework for accurate and computationally efficient remaining useful life prediction of lithium-ion batteries
模型导读
一项基于 NASA 电池老化数据集的特征驱动机器学习框架，仅用最大放电电压和最小充电电压两个特征训练 kNN、SVR 和 RF 三种回归模型，其中 RF 表现最佳，R² 达 0.9421、RMSE 为 77.47。kNN 在保持相近精度的同时训练时间更短，SVR 精度较低且计算成本更高。该框架在独立电池数据集上验证，预测 RUL 与观测老化趋势吻合，适用于电动汽车实时电池健康监测。
来源：关键词流·SOX 与寿命预测 · doi.org