锂电池寿命预测精度提升 20%！上海交大团队发布半监督学习方法 PBCT，提取无标签数据中的隐藏信息

AIGC动态欢迎阅读

原标题：锂电池寿命预测精度提升 20%！上海交大团队发布半监督学习方法 PBCT，提取无标签数据中的隐藏信息
关键字：数据,方法,模型,电池,寿命
文章来源：HyperAI超神经
内容字数：7503字

内容摘要：

作者：梅菜
编辑：李宝珠，三羊
上海交通大学溥渊未来技术学院万佳雨副教授团队，提出了名为部分贝叶斯协同训练的半监督学习技术，使用有限数据预测电池寿命，预测精度提升 20%。锂电池具有能量密度高、充放电速度快、使用寿命长等优点，当前已被广泛应用于水力、火力、风力和太阳能电站等储能电源系统，以及电动工具、电动汽车、军事装备、航空航天等多个领域，在现代社会中起着至关重要的作用。
然而，在锂电池的大规模使用中，其潜在危险也逐渐显现——耐过充、放电性能差，遇到过充或短路的情况极易引发火灾甚至是爆炸。近年来，由于不规范充电，或电池老化所引起的电动自行车、新能源汽车自燃频发。
为了保证电池系统的安全可持续运行，人们需要对锂电池寿命进行准确预测，以便有效管理其健康状态。传统的基于物理和半经验模型的预测方法易受误差影响，精度十分有限。随着人工智能技术的发展，数据驱动的预测方法在精度上已经有所提升，然而其模型准确性往往受到标记数据稀缺的制约。
针对上述挑战，上海交通大学溥渊未来技术学院万佳雨副教授团队，在国际权威期刊 Joule 发表题为「Semi-supervised learning for expl

原文链接：锂电池寿命预测精度提升 20%！上海交大团队发布半监督学习方法 PBCT，提取无标签数据中的隐藏信息

联系作者

文章来源：HyperAI超神经
作者微信：HyperAI
作者简介：解构技术先进性与普适性，解读更前沿的 AIForScience 案例