[发明专利]基于EMD和MLP的磷酸铁锂电池剩余寿命预测方法在审
| 申请号： | 201910266767.1 | 申请日： | 2019-04-03 |
| 公开（公告）号： | CN110555226A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 陈泽华;乔建澍;陈凯华;刘忆恩;刘晓峰 | 申请（专利权）人： | 太原理工大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50 |
| 代理公司： | 14110 太原晋科知识产权代理事务所(特殊普通合伙) | 代理人： | 任林芳 |
| 地址： | 030024 *** | 国省代码： | 山西;14 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于EMD和MLP的磷酸铁锂电池剩余寿命预测方法，运用经验模态分解先对可放电容量进行多尺度分解，然后将分解后的信息作为深度学习算法的输入，训练出模型，最后对电池的寿命进行预测。通过本发明，能够有效的预测电池SOH，有较好预测效率和预测精度，有效的判断其未来的工作能力，及时发现问题，避免不必要的麻烦和损失。 | ||
| 搜索关键词： | 预测 电池 经验模态分解 磷酸铁锂电池 剩余寿命预测 多尺度分解 可放电容量 工作能力 学习算法 分解 发现 | ||
【主权项】：
1.一种基于EMD和MLP的磷酸铁锂电池剩余寿命预测方法，其特征在于：/n步骤一：提取磷酸铁锂电池的电池容量数据，将数据分成两组，一组为训练集，另一组为测试集；/n步骤二：对磷酸铁锂电池的电池容量数据进行经验模态分解，分解为一系列本征模函数，作为电池容量数据在不同尺度下的特征，其中不同尺度下的特征至少包括全局衰减趋势、容量再生数据及局部波动的信息特征；/n步骤三：对深度神经网络的参数进行设置，将分解后的磷酸铁锂电池容量数据在不同尺度下的特征作为深度神经网络的输入，训练得到预测模型；/n步骤四：利用测试集进行测试，并验证预测模型的准确性。/n
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太原理工大学，未经太原理工大学许可，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/201910266767.1/，转载请声明来源钻瓜专利网。
