[发明专利]一种基于在线特征提取的汽车电池系统使用寿命检测方法在审
申请号: | 202211628812.1 | 申请日: | 2022-12-18 |
公开(公告)号: | CN115856640A | 公开(公告)日: | 2023-03-28 |
发明(设计)人: | 朴昌浩;孙荣利;陈俊生 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G01R31/367 | 分类号: | G01R31/367;G01R31/392;G06F18/213;G06F18/24;G06N3/08;G06N3/0442 |
代理公司: | 重庆辉腾律师事务所 50215 | 代理人: | 王海军 |
地址: | 400065 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 在线 特征 提取 汽车 电池 系统 使用寿命 检测 方法 | ||
1.一种基于在线特征提取的汽车电池系统使用寿命检测方法,其特征在于,包括:实时获取待检测的电池数据,将该数据输入到训练好的汽车电池系统寿命检测模型中,得到检测结果;
对汽车电池系统寿命检测模型进行训练的过程包括:
S1、获取与电池状态相关的高维度特征;
S2、根据高维度特征建立特征工程,得到高维度特征数据集;
S3、对高维度特征数据集中的高维度特征进行预处理;
S4、将预处理后的高维度特征输入到LSTM网络,得到电池寿命预测结果;
S5、设置准确度阈值,计算电池寿命预测结果的准确度,将计算出的准确度与设置的准确度阈值进行比较,若小于设置的准确度阈值,则调整模型的超参数,并返回步骤S4,否则输出模型的超参数,完成模型的训练。
2.根据权利要求1所述的一种基于在线特征提取的汽车电池系统使用寿命检测方法,其特征在于,与电池状态相关的高维度特征包括:电池故障单位时间发生的数目和次数、电池内阻值、车辆速度、单体电压最高值、单体电压最低值、电机电压与电池电压响应时间、电机电流与电池电流响应时间、交流充电时长、直流充电时长、电池温度平均值、充电能量值、放电能量值、充电功率值、放电功率值、乘员舱温度平均值、电池系统最低温度值、室外温度平均值以及充放电变化频度。
3.根据权利要求1所述的一种基于在线特征提取的汽车电池系统使用寿命检测方法,其特征在于,对高维度特征进行预处理包括:对获取的高维度特征进行特征分类,其中分类的结果包括电池故障类特征、电池温度相关特征、电机与电流关系特征、电池内阻相关特征以及电池功率相关特征。
4.根据权利要求1所述的一种基于在线特征提取的汽车电池系统使用寿命检测方法,其特征在于,根据预处理后的高维度特征建立特征工程的过程包括:对预处理后的高维度特征数据集进行特征数据清洗,即删除异常数据和对缺失值进行增补;对特征数据进行归一化处理;对归一化后的数据进行进行降维处理,得到网络模型所需的输入特征数据集。
5.根据权利要求1所述的一种基于在线特征提取的汽车电池系统使用寿命检测方法,其特征在于,对高维度特征数据集中的高维度特征进行预处理包括:高维度特征数据集中的每个特征为一个序列,采用滑动时间窗对每个特征进行采样,得到指定长度的序列。
6.根据权利要求1所述的一种基于在线特征提取的汽车电池系统使用寿命检测方法,其特征在于,采用LSTM网络对预处理后的高维度特征进行处理的过程包括:LSTM网络包括四个LSTM网络层、两个Dropout层以及一个全连接层;其中第一LSTM网络层、第一Dropout层、第二LSTM网络层、第二Dropout层、第三LSTM网络层、第四LSTM网络层、全连接层依次按照顺序连接;预处理后的高维度特征经过第一LSTM网络层、第一Dropout层、第二LSTM网络层、第二Dropout层、第三LSTM网络层、第四LSTM网络层以及全连接层,得到电池寿命预测结果。
7.根据权利要求1所述的一种基于在线特征提取的汽车电池系统使用寿命检测方法,设置准确度阈值的过程包括:利用模型训练测试得到的结果与车俩电池的实际测量结果进行作差比较,根据90分位数所对应的误差值作为准确度的阈值结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211628812.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:X射线CL三维重建的物体最优倾斜角计算方法及应用
- 下一篇:重油发动机