Hanqing Yu

通过物理-机器学习组合方法对锂离子电池的状态估计: 方法论回顾和未来展望

集成深度学习和卡尔曼滤波器的通用融合框架，用于锂离子电池的荷电状态估计: 分析和比较

对商用锂离子电池中锂电镀的外部压力的洞察力理解

高效析氢反应电催化剂的研究进展

深度学习在金属离子电池电极材料信息学辅助设计中的应用

基于物理知识的集成深度学习框架，用于改善锂离子电池的荷电状态估计

多输出集成深度学习: 一种同时预测多种电极材料特性的框架

锂离子电池多物理场中电解质行为的简化数值模拟与分析

深度学习框架下基于简化电化学模型的锂离子电池荷电状态估计方法

链: 网络层次和互动网络

端云协作方法可实现锂离子电池健康状态和剩余使用寿命的准确在线估计

电池健康状态评估策略: 从数据分析到端云协同框架

基于差热伏安法和长短记忆神经网络的锂离子电池健康状态和剩余寿命预测

基于链式框架输送-反应竞争机制实现锂电池无枝晶充电

基于链式框架的锂离子电池多尺度建模的功能实现