عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
شماره کتابشناسی ملی
شماره
TL53398
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
انگلیسی
عنوان و نام پديدآور
عنوان اصلي
A Complete Machine Learning Approach for Predicting Lithium-Ion Cell Combustion
نام عام مواد
[Thesis]
نام نخستين پديدآور
Almagro Yravedra, Fernando
نام ساير پديدآوران
Li, Zuyi
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
Illinois Institute of Technology
تاریخ نشرو بخش و غیره
2020
يادداشت کلی
متن يادداشت
139 p.
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
M.S.
کسي که مدرک را اعطا کرده
Illinois Institute of Technology
امتياز متن
2020
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
The object of the herein thesis work document is to develop a functional predictive model, able to predict the combustion of a US18650 Sony Lithium-Ion cell given its current and previous states. In order to build the model, a realistic electro-thermal model of the cell under study is developed in Matlab Simulink, being used to recreate the cell's behavior under a set of real operating conditions. The data generated by the electro-thermal model is used to train a recurrent neural network, which returns the chance of future combustion of the US18650 Sony Lithium-Ion cell. Independently obtained data is used to test and validate the developed recurrent neural network using advanced metrics.
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Artificial intelligence
اصطلاح موضوعی
Electrical engineering
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
Almagro Yravedra, Fernando
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
Li, Zuyi
شناسه افزوده (تنالگان)
مستند نام تنالگان تاييد نشده
Illinois Institute of Technology
دسترسی و محل الکترونیکی
نام الکترونيکي
مطالعه متن کتاب وضعیت انتشار
فرمت انتشار
p
اطلاعات رکورد کتابشناسی
نوع ماده
[Thesis]
کد کاربرگه
276903
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
