# 何宁

中共党员

汉族 广东省湛江市

中山大学智能工程学院 2024 级学术学位硕士研究生（预测学习课题组 ⋅\cdot 杨芳芳团队）

Github：https://github.com/Hny1216

个人邮箱：hening25@mail2.sysu.edu.cn，hny1216lxy@gmail.com，632678809@qq.com

# 教育经历

  • 2024 年 09 月 — 至今，广东省深圳市，学术学位硕士研究生，中山大学智能工程学院，控制科学与工程
  • 2020 年 09 月 —2024 年 06 月，广东省深圳市，本科，中山大学智能工程学院，智能科学与技术
  • 2017 年 09 月 —2020 年 06 月，广东省湛江市，高中，湛江第一中学
  • 2014 年 09 月 —2017 年 07 月，广东省湛江市，初中，雷州市第四中学

# 技能知识

  • 编程语言：Python，Matlab，C，C++，R（可视化）

  • 排版工具：Latex（TexStudio，WinEdit，Overleaf），Markdown（Typora），EndNote

  • 软件工具：Matlab， PyTorch，TensorFlow

  • 专业技能：

    • 机器学习：SVM，XGBoost，ANN
    • 深度学习：卷积神经网络（2DCNN，3DCNN），Transformer，Vision Transformer，GAN
    • 控制系统设计：PID 控制，状态空间控制

  • 技术技能：

    • 数据处理：插值法，滤波器平滑，傅里叶变化平滑，Nadaraya-Watson 非参数核估计
    • 数据可视化：卷积神经网络特征图可视化，数据降维可视化 (t-SNE)
    • 深度学习可解释性：CAM，Grad-CAM，Grad-CAM++

  • 其他技能经验：

    • 专利交底书撰写：已完成 3 篇专利的交底书撰写工作。
    • 论文撰写和审稿：已完成 3 篇论文初稿撰写和修改。

# 个人荣誉

  • 2024 年 09 月，中山大学研究生一等奖助金；

  • 2024 年 06 月，中山大学智能工程学院优秀毕业论文；

  • 2023 年 06 月，第二届 “长江杯” 动力电池集成与管理技术挑战赛 优秀奖；

  • 2022 年 11 月，中山大学智能工程学院校级大学生创新创业训练项目 优秀；

  • 2022 年 11 月，中山大学优秀学生奖学金 二等奖；

  • 2022 年 09 月，全国大学生数学建模竞赛广东省分赛 二等奖；

  • 2022 年 08 月，中国机器人及人工智能全国总决赛仿人机器人障碍跑 二等奖；

  • 2021 年 11 月，中山大学优秀学生奖学金 三等奖；

# 研究方向及专业知识

  • 硕士

    • 主修课程：矩阵论，高级工程数学，现代数学，高等算法与分析。
    • 研究方向：时间序列分析（预测学习课题组 ⋅\cdot 杨芳芳团队），动力电池安全管理系统，锂离子电池早期寿命预测，深度学习及应用。

  • 本科

    • 主修课程：机器学习，深度学习，数据结构与算法，人工智能编程语言，信号与系统，自动控制原理，现代控制理论，智能机器人技术。
    • 大创项目：基于深度学习 (卷积神经网络) 的电动汽车锂离子电池健康特征的自动提取以及寿命周期准确预测。
    • 毕业设计：考虑能量与温度特征的锂离子电池早期寿命预测研究。

# 项目经历

  1. 2023 年 09 月 —2024 年 06 月，新能源汽车电池智能故障预测与健康管理技术研究，本科毕业设计。

    • 项目背景：当前电池早期寿命预测研究所使用的特征大多来源于电池增量容量分析获取的特征，而对温度和能量特征的进一步挖掘明显不足，这限制了更多电池早期寿命预测相关有效特征的提出和深入研究。

    • 项目内容：研究了电池寿命退化过程中各个周期内的放电容量变化规律，即随着充放电次数的增加，该曲线与电压轴所围成的面积逐渐减小，因此计算等距放电电压内该曲线所围成的面积作为能量特征。此外项目借鉴了信号与能量的相关定义，通过电池放电过程中的温度数据计算温度信号的能量，挖掘了温度数据中所包含的与电池寿命相关的信息。随后，基于卷积神经网络对特征进行性能测试，并利用多特征融合技术将容量相关特征、能量相关特征和温度相关特征融合，提供更多、更有效的数据，从数据层面增强模型整体的学习和预测效果。分析使用锂离子电池前 100 个周期的指标数据，提取了电池在放电过程中的容量、能量以及温度特征，利用卷积神经网络和注意力机制搭建混合寿命预测模型实现了对锂离子电池早期寿命的有效预测。

    • 项目成果：通过对提出的特征进行分析，单独利用处理后温度数据进行电池早期寿命预测也能实现较为准确的性能。温度数据反映了电池在充放电过程中的放热量，而电池的实际可用容量决定了电池可释放的热量，因此，挖掘电池温度数据的特性有助于推动温度相关特征为电池寿命预测提供宝贵特征信息。此外我们通过特征融合技术将三组特征进行融合，实验结果表明充分利用多组特征有助于提高模型整体的预测性能。能够利用的特征输入越多，模型就能够从电池的放电数据中捕捉越多有效的寿命信息，预测性能就会越优异。添加的注意力机制的混合模型对比实验说明注意力模块能够根据输入特征图对模型的有效性为不同特征提供不同的权重系数，使得模型能够筛选学习对模型有益的特征信息，同时抑制无效信息的传递，从而提高模型的预测能力。

  2. 2023 年 02 月 —2023 年 06 月，动力电池智能故障预测与健康管理技术研究，项目负责人 。

    • 项目内容：对卷积神经网络中各激活函数类型对早期寿命预测模型的影响进行了研究测试，并且考虑了输入数据在实际中的获取难度，优化使用了相对放电电压及放电容量，从而提高网络模型的鲁棒性和可应用性。
    • 项目成果：发掘了 ReLU 函数相较于其他激活函数在电池早期寿命预测模型中的优势，改进使用了相对放电电压，使得模型在实际应用中更具可行性。

  3. 2021 年 11 月 —2022 年 11 月，大数据下新能源汽车锂电池早期性能预测，项目负责人 。

    • 项目内容：分析锂离子电池各项终端数据，研究终端数据与电池寿命存在的潜在联系和相关性，提出一种将电池一维时序性电压数据转换为三维图像数据的构造图形数据的方法，利用卷积神经网络模型（AlexNet，VGG16，ResNet 等）自动提取相关特征并映射到电池的早期寿命预测上，并通过不同的裁剪和数据组合方式研究电池放电周期内局部数据所包含的潜在信息。
    • 项目成果：提出了一种三维图像特征，丰富了当前锂电池早期寿命健康特征；基于 AlexNet 模型搭建了轻量准确的电池早期寿命预测模型，只利用电池数据的前 100 个周期的放电电压和容量数据即可将预测均方根误差控制在 100 个 cycle 内。

# 科研成果

# 论文

[1] He Ning, Wang Qiqi, Lu Zhenfeng, Chai Yike, Yang Fangfang. Early prediction of battery lifetime based on graphical features and convolutional neural networks. Applied Energy, 2024, 353: 122048.（中科院 1 区，IF：11.2）

[2] 何宁，杨芳芳。考虑能量和温度特征的锂离子电池早期寿命预测 [J]. 储能科学与技术，2024, 13 (9): 3016-3029. <br> Ning HE, Fangfang YANG. Early prediction of battery lifetime based on energy and temperature features [J]. Energy Storage Science and Technology, 2024, 13 (9): 3016-3029.

# 专利

[1] 何宁，杨芳芳。一种基于卷积神经网络的电池早期寿命预测方法及系统，CN116068407A [P],2023.

[2] 杨芳芳，何宁，柴艺柯，李弈霆，郭烨年。一种基于三维电压特征的锂离子电池早期寿命预测方法，CN115856646A [P],2023.

[3] 杨芳芳，卢振锋，彭卫文，何宁，肖悦盈。基于特征融合的卷积神经网络电池健康状态估计方法及系统，CN116774089A [P],2023

更新于 阅读次数 次