[发明专利]一种基于AAF和深度学习的动力电池健康状态预测方法有效
| 申请号： | 202310070487.X | 申请日： | 2023-02-07 |
| 公开（公告）号： | CN116299005B | 公开（公告）日： | 2023-09-05 |
| 发明（设计）人： | 张俊杰;王子赟;边天贻;熊林宏;金家立;凌苏湘;王艳;纪志成 | 申请（专利权）人： | 江南大学 |
| 主分类号： | G01R31/392 | 分类号： | G01R31/392;G06N3/084;G06N3/0464;G01R31/367 |
| 代理公司： | 哈尔滨市阳光惠远知识产权代理有限公司 23211 | 代理人： | 吕永芳 |
| 地址： | 214122 江苏*** | 国省代码： | 江苏;32 |
| 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AAF和深度学习的动力电池健康状态预测方法，属于动力电池SOH预测领域。所述方法首先利用集成经验模态分解技术和相关性分析方法将SOH时间序列分解成主趋势时间序列和波动时间序列，其次利用DBN对主趋势时间序列进行预测，针对波动时间序列，先进行数据预处理，然后采用抗混叠低通滤波器对预处理之后的序列进行重采样，之后利用长短期记忆神经网络LSTM对重采样之后序列进行预测，然后再对波动序列预测结果进行反重采样和逆向数据处理得到波动时间序列最终预测值，最后将主趋势时间序列和波动时间序列预测结果进行集成得到最终的SOH预测结果，实现了动力电池SOH的高精度预测。 | ||
| 搜索关键词： | 一种 基于 aaf 深度 学习 动力电池 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江南大学，未经江南大学许可，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/202310070487.X/，转载请声明来源钻瓜专利网。
