[发明专利]基于神经网络与Maternard核函数GPR的锂电池健康状态预测方法在审
| 申请号： | 201610768859.6 | 申请日： | 2016-08-29 |
| 公开（公告）号： | CN106405427A | 公开（公告）日： | 2017-02-15 |
| 发明（设计）人： | 袁丽丽;宋显华;付作娴;王北一 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G01R31/36 | 分类号： | G01R31/36 |
| 代理公司： | 哈尔滨市伟晨专利代理事务所(普通合伙)23209 | 代理人： | 张伟 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于神经网络与Maternard核函数GPR的锂电池健康状态预测方法，该方法包括基于神经网络核函数以及Maternard核函数确定协方差函数，以构建GPR预测模型；对GPR预测模型中的均值函数和协方差函数中的超参数进行初始化；利用对数极大似然估计函数对超参数进行最优化；将训练数据和测试数据输入到GPR预测模型中，以获得测试数据的值。本发明的上述锂电池健康状态预测方法，能够使得对电池SOH值的预测的准确度和精度较高，不确定度较低。 | ||
| 搜索关键词： | 基于 神经网络 maternard 函数 gpr 锂电池 健康 状态 预测 方法 | ||
【主权项】：
基于神经网络与Maternard核函数GPR的锂电池健康状态预测方法，其特征在于，所述锂电池健康状态预测方法包括：基于神经网络核函数以及Maternard核函数确定协方差函数，以构建GPR预测模型；对所述GPR预测模型中的均值函数和协方差函数中的超参数进行初始化；利用对数极大似然估计函数对所述超参数进行最优化；将训练数据和测试数据输入到所述GPR预测模型中，以获得所述测试数据的值；其中，i为锂电池样品的充/放电循环次数,xi为所述锂电池训练样品在第i次充/放电循环时对应的SOH值，N表示训练数据的个数，m为测试数据的个数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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哈尔滨理工大学，未经哈尔滨理工大学许可，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/patent/201610768859.6/，转载请声明来源钻瓜专利网。
- 上一篇：锂电检测两板结构压床
- 下一篇：一种蓄电池充放电曲线采样系统及方法
