[发明专利]识别电池健康状态的方法、装置和终端设备

权利要求书

1.一种识别电池健康状态的方法，其特征在于，包括以下步骤：

获取待识别电池的充电时长和充电电量；

通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果；所述电池健康状态回归模型基于假设函数而得；

其中，所述假设函数为：

其中，h_θ表示假设函数，x_i1表示样本电池的充电样本时长，x_i2表示样本电池的充电样本电量，θ₀、θ₁以及θ₂表示列向量参数

2.如权利要求1所述的方法，其特征在于，所述通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果之前，还包括：

获取待识别电池的充电电流大小；

获取与所述充电电流大小对应的电池健康回归模型。

3.如权利要求1所述的方法，其特征在于，所述通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果之前，还包括：

获取多个样本数据，每个所述样本数据包括样本电池的充电样本时长和充电样本电量，以及每个样本电池对应的样本健康状态；

根据所述样本数据基于监督学习获得电池健康状态回归模型，所述电池健康状态回归模型用于识别待识别电池的健康状态。

4.如权利要求3所述的方法，其特征在于，所述根据所述样本数据基于监督学习获得电池健康状态回归模型之前，还包括：对所述样本数据进行归一化处理；

相应的，所述根据所述样本数据基于监督学习获得电池健康状态回归模型，包括：

根据进行归一化处理后的所述样本数据基于监督学习获得电池健康状态回归模型。

5.如权利要求3所述识别电池健康状态的方法，其特征在于，所述根据所述样本数据基于监督学习获得电池健康状态回归模型，包括：

通过逻辑函数推导出的样本电池的充电样本时长x_i1和充电样本电量x_i2以及列向量参数为的假设函数:

根据所述假设函数构造代价函数：

其中m为样本数据数量，y⁽ⁱ⁾表示第i个样本健康状态，i的最大值为m，x⁽ⁱ⁾为特征向量X₀＝1，X_i1表示第i个X₁，X_i2表示第i个X₂，h_θ(x⁽ⁱ⁾)表示以x⁽ⁱ⁾为变量的所述假设函数；

通过梯度下降法迭代计算J(θ)最小时的列向量参数并带入上述假设函数中获得电池健康状态回归模型。

6.如权利要求5所述识别电池健康状态的方法，其特征在于，所述通过梯度下降法迭代计算J(θ)最小时的列向量参数包括：

对代价函数求偏导：

其中α为学习率，θ_j表示θ₀或θ₁或θ₂，θ_j：表示对θ_j进行迭代计算，x_j⁽ⁱ⁾为第j个x⁽ⁱ⁾，对列向量参数的θ₀、θ₁、θ₂同时更新，得到J(θ)最小时的列向量参数