[发明专利]基于深度学习的锂离子电池组健康状态预测方法有效
| 申请号： | 202111098929.9 | 申请日： | 2021-09-18 |
| 公开（公告）号： | CN113805064B | 公开（公告）日： | 2022-09-20 |
| 发明（设计）人： | 王晓红;王立志;张钰;孙雅宁;林逸群 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G01R31/367 | 分类号： | G01R31/367;G01R31/392;G01R31/396;G06F30/27;G06N3/04;G06N3/08;G06N7/00 |
| 代理公司： | 北京盛询知识产权代理有限公司 11901 | 代理人： | 马文巧 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开基于深度学习的锂离子电池组健康状态预测方法，包括以下步骤：S1、提取锂离子电池组的放电特征参数，并对放电特征参数进行相关性分析；S2、根据相关性分析的结果获取原始特征数据集，并进行特征降维；S3、构建节点退化数据预测模型；S4、将降维特征集输入节点退化数据预测模型中，获取锂离子电池组的节点退化预测数据；S5、将节点退化预测数据转化为节点状态分布预测数据，并基于节点状态分布预测数据获取锂离子电池组健康状态预测结果。本发明能够按照特征提取—相关性分析—特征降维—节点状态分布预测—系统健康状态预测的流程，实现了对锂离子电池组健康状态的准确预知。 | ||
| 搜索关键词： | 基于 深度 学习 锂离子 电池组 健康 状态 预测 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北京航空航天大学，未经北京航空航天大学许可，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/202111098929.9/，转载请声明来源钻瓜专利网。
