Journal of Energy Storage·· 6 天前精选AI 评分50
混合脉冲神经网络-BiLSTM 架构用于快充快放 LFP 电芯 SOH 预测
A robust and computationally efficient hybrid spiking Neural Network-Bidirectional Long Short-Term Memory architecture for State of Health prediction of Lithium Iron Phosphate batteries under fast charging and discharging
模型导读
Shevil K. Mehta 等提出一种混合脉冲神经网络与双向 LSTM（BiLSTM）架构，用于快充和快放工况下 LFP 电芯的 SOH 预测，强调鲁棒性与计算效率。该文发表于 Journal of Energy Storage 第 183 卷 Part B，出版日期为 2027 年 1 月 1 日。目前仅提供摘要信息，具体数据集、误差指标与对比基线未在材料中给出。
推荐理由
面向 LFP 电芯在快充快放工况下的 SOH 预测，该工作把脉冲神经网络与双向 LSTM 组合以兼顾鲁棒性与计算开销。
来源：Journal of Energy Storage · sciencedirect.com