[发明专利]基于改进型极限学习机的锂电池剩余使用寿命预测方法

权利要求书

1.一种基于改进型极限学习机的锂电池剩余使用寿命预测方法，包括以下步骤：

获取锂电池历史监测数据，构成一个训练数据集；

获取实时采集的锂电池数据，构成一个测试数据集；

构建一个改进型极限学习机，改进型极限学习机使用隐藏层节点数不同的线性变换和非线性变换方法，对训练数据集和测试数据集分别进行处理，具体过程为：

设训练数据集中，电流为电压为温度为N表示训练样本总数，t表示检测次数，t＝1,2,...,N，M表示每个样本的长度，则训练数据集的特征矩阵为将训练数据集的真实剩余使用寿命作为标签，记标签向量为

设测试数据集中，电流为电压为温度为N’表示测试数据集样本总数，M表示每个样本的长度，记测试数据集的特征矩阵为

将X^tr作为改进型极限学习机的输入，改进型极限学习机的隐藏层对训练数据集X^tr实现如下线性变换：

其中，和为改进型极限学习机随机生成的参数矩阵，参数矩阵的范围在[0,1]之间，β_C、β_V、β_T矩阵中同一列的数相等，在随机初始化β_C、β_V、β_T时，随机初始化三个大小分别为1×K₁、1×K₂、1×K₃的向量β_C,1、β_V,1、β_T,1，复制向量β_C,1、β_V,1、β_T,1N次，得到β_C、β_V、β_T矩阵，K₁、K₂、K₃分别为改进型极限学习机不同输入的隐藏层节点数；

同时，改进型极限学习机在隐藏层和输出层之间构建相邻剩余使用寿命值对应的电流、电压、温度数据的前后相关性；

对改进型极限学习机进行训练，通过最小化训练数据集的预测结果与真实标签的均方误差确定改进型极限学习机的最优参数；

利用训练好的改进型极限学习机，得到测试数据的预测结果，完成锂电池剩余使用寿命预测。

2.如权利要求1所述的锂电池剩余使用寿命预测方法，其特征在于其中所述的改进型极限学习机在隐藏层和输出层之间构建相邻检测时间段数据的前后相关性，具体过程为：

改进型极限学习机在隐藏层和输出层之间，进行以下操作，对做非线性变换，在隐藏层和输出层之间构建相邻检测时间段数据的前后相关性H^tr(t)：

其中，s₁、s₂为权重参数，用于平衡t次检测的特征值与t-1次检测的非线性变换值H^tr(t-1)对H^tr(t)的影响，s₁、s₂根据训练精度确定，取值范围为[0,1]，初始化时，和分别为随机生成的范围在[0,1]之间的服从正态分布的参数矩阵，ξ_C、ξ_V、ξ_T为非线性变换函数，非线性变换后，隐藏层输出矩阵为则输出权重矩阵W_O如下：

其中，表示矩阵H^tr的广义逆矩阵，参数s₁、s₂、K₁、K₂、K₃、ξ_C、ξ_V、ξ_T通过最小化训练数据集的预测值与真实值的均方误差来确定，权重矩阵W_O表示隐藏层输出矩阵与输出层输出矩阵之间的变换关系。

3.如权利要求2所述的锂电池剩余使用寿命预测方法，其特征在于其中所述的非线性变换函数为Sigmoid函数、Sin函数、三角基函数或径向基函数。