[发明专利]一种基于深度强化学习的卡尔曼滤波锂离子电池SOC估计方法在审
| 申请号： | 201910422522.3 | 申请日： | 2019-05-17 |
| 公开（公告）号： | CN111948539A | 公开（公告）日： | 2020-11-17 |
| 发明（设计）人： | 游国栋;张尚;房成信 | 申请（专利权）人： | 天津科技大学 |
| 主分类号： | G01R31/367 | 分类号： | G01R31/367;G06F30/36 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300222 天津市河西区大沽*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度强化学习卡尔曼滤波锂离子电池SOC的估计方法，其主要技术特点：本发明通过对锂离子电池二阶RC等效电路拓扑，建立了离散系统数学模型，提出了一种新的深度强化学习卡尔曼滤波锂离子电池SOC估计方法。首先，通过分析锂离子电池二阶RC等效电路模型，建立了电池的状态空间模型，并利用传统的卡尔曼滤波算法构建了锂离子电池的离散系统数学模型。结合人工智能思想，进一步设计了一个深度强化学习卡尔曼滤波锂离子电池SOC估计方法。最后，通过贝叶斯规则确保了最佳协方差。仿真结果表明，该估算方法在利用两种算法优点的基础上，通过贝叶斯规则可以确保系统的最佳协方差，有效降低了估算过程的计算量，进而提升SOC估算的精度，具有较好的实用性。 | ||
| 搜索关键词： | 一种 基于 深度 强化 学习 卡尔 滤波 锂离子电池 soc 估计 方法 | ||
【主权项】：
暂无信息
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天津科技大学，未经天津科技大学许可，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/201910422522.3/，转载请声明来源钻瓜专利网。
