[发明专利]一种基于神经网络的锂电池超声信息特性提取方法

权利要求书

1.一种基于神经网络的锂电池超声信息特性提取方法，包括如下步骤：

S1构建两个神经网络，两个所述神经网络以超声信息作为输入向量，并分别以健康状态和荷电状态作为输出向量；

S2采集不同健康状态和荷电状态的超声信息作为训练样本，分别对两个所述神经网络进行训练获得神经网络模型，具体包括如下步骤：

S21构建关于输出向量中健康状态的特征值x的损失函数f(x)，若超声信息为亚健康状态，损失函数f(x)采用下式进行计算：

f(x)＝(x+1)²

若超声信息为健康状态，损失函数f(x)采用下式进行计算：

f(x)＝(x-1)²

S22根据所述损失函数f(x)进行反向传播训练，将每次得到的输出向量与该超声信息的实际健康状态进行比对，当预设训练次数中错误率低于第一阈值时，即认为训练完成；S23构建关于输出向量中荷电状态的特征值y的损失函数f(y)：

式中，SOC_i^′为第i个超声信息的归一化荷电状态的特征值，y_i为第i个超声信息获得的输出向量中荷电状态的特征值，k为超声信息的个数；

S24每次从所述训练样本中随机选取k个超声信息，根据所述损失函数f(y)进行反向传播训练，当该损失函数f(y)的值低于第二阈值时，即认为训练完成；

S3将采集到的锂电池的超声信息输入两个所述神经网络模型中，获得该锂电池的健康状态和荷电状态。

2.如权利要求1所述的基于神经网络的锂电池超声信息特性提取方法，其特征在于，在步骤S1中，两个所述神经网络分别包括三层全连接层。

3.如权利要求1所述的基于神经网络的锂电池超声信息特性提取方法，其特征在于，在步骤S2中，所述训练样本中超声信息的数量大于10000份，所述荷电状态涵盖充放电过程，所述健康状态包括锂电池处于健康状态或亚健康状态。

4.如权利要求1～3任一项所述的基于神经网络的锂电池超声信息特性提取方法，其特征在于，在步骤S2中，训练两个所述神经网络时，对全连接层的权重和偏置进行二值化处理。

5.如权利要求1所述的基于神经网络的锂电池超声信息特性提取方法，其特征在于，步骤S22中，所述预设训练次数的取值为10次～20次。

6.如权利要求1所述的基于神经网络的锂电池超声信息特性提取方法，其特征在于，步骤S24中，k的取值为10～20。