[发明专利]一种基于卷积神经网络的锂电池容量在线估计方法

权利要求书

1.一种基于卷积神经网络的锂电池容量在线估计方法，其特征在于，包括以下步骤：

步骤1：对同系列参考电池进行充放电循环实验，采集并记录实验过程中的电池容量、充电电压、充电电流随时间变化的数据；

步骤2：对参考电池每个充电循环的充电电压、充电电流数据按固定充电容量间距dq进行插值，并计算充电电压对充电容量的一阶微分；

步骤3：从经插值计算得到的充电电压、充电电压一阶微分、充电电流随充电容量变化数据中选取对应充电容量区间长度为q_l的数据段组成训练样本，最终获得包含若干个样本及对应容量标签的参考电池实验数据集；

步骤4：构建卷积神经网络，以参考电池实验数据集为源数据集，首先利用寻优算法，基于源数据集对神经网络超参数进行寻优，优化确定神经网络超参数后再基于源数据集对神经网络进行训练，确定神经网络参数；

步骤5：对于待测电池，取其最近一次充电过程中任意一段对应充电容量区间长度为q_l的充电电压、充电电流数据，按步骤2中的方法计算得到充电电压、充电电压一阶微分和充电电流数据并作为步骤4中最终训练好的卷积神经网络的输入，得到的卷积神经网络输出即为电池的容量估计值。

2.如权利要求1所述的锂电池容量在线估计方法，其特征在于，步骤2中参考电池充电电压的一阶微分数据dv_i由下式计算得出：

其中，和分别为充电容量q_i和q_i-1对应的充电电压。

3.如权利要求1所述的锂电池容量在线估计方法，其特征在于，步骤3中参考电池实验数据集的样本k由一段充电电压、充电电压一阶微分、充电电流数据V_k,dV_k,I_k组成：

4.如权利要求1所述的锂电池容量在线估计方法，其特征在于，步骤4中的卷积神经网络采用多层的网络设计，层类型包括卷积层、池化层和全连接层，采用反向传导算法沿着误差减小的方向从输出层逐层调整网络的连接权值。