[发明专利]一种基于压缩感知理论的电池包内部温度实时监测方法有效
| 申请号： | 201811473233.8 | 申请日： | 2018-12-04 |
| 公开（公告）号： | CN109755683B | 公开（公告）日： | 2020-10-20 |
| 发明（设计）人： | 陈思媛;方正;杨正;孔佳莹;马润思;黄涛;李孟辉 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | H01M10/48 | 分类号： | H01M10/48;H01M10/633 |
| 代理公司： | 厦门市首创君合专利事务所有限公司 35204 | 代理人： | 张松亭;林燕玲 |
| 地址： | 361000 *** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于电池组热管理技术领域，一种基于压缩感知理论的电池包内部温度实时监测方法，针对同类型电池包，基于充放电及不同负载情况下所有位置点温度的实验数据；应用深度学习中神经网络算法，训练出适用于该电池包的模拟温度场模型；再由软件调用该模型，即可达到通过感知电池包内某些特定位置温度来预测电池包所有感兴趣点的温度状态的效果，从而完成对电池包内部温度的全局实时监测。 | ||
| 搜索关键词： | 一种 基于 压缩 感知 理论 电池 内部 温度 实时 监测 方法 | ||
【主权项】：
1.一种基于压缩感知理论的电池包内部温度实时监测方法，其特征在于，包括：1)针对指定型号的动力电池包设计完备的传感网络；2)在充放电条件下采集动力电池包工作过程中的完备的温度数据；3)选择电池包内部分测温节点作为实际应用中的实测点，建立实测点到所有温度节点映射的深度神经网络模型；4)通过采集的数据训练得到该深度神经网络模型的合适权值参数；5)利用与训练数据互异的实测数据测试该数学模型的正确性；6)调用深度神经网络模型，通过感知电池包内某些特定位置温度来预测其他位置的温度状态，从而完成对电池包内部温度的实时监测。
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厦门大学，未经厦门大学许可，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/201811473233.8/，转载请声明来源钻瓜专利网。
