[发明专利]一种基于迁移深度学习的电池组剩余寿命预测方法有效
申请号: | 202110048627.4 | 申请日: | 2021-01-14 |
公开(公告)号: | CN112798960B | 公开(公告)日: | 2022-06-24 |
发明(设计)人: | 胡晓松;车云弘;李佳承;邓忠伟;唐小林 | 申请(专利权)人: | 重庆大学 |
主分类号: | G01R31/367 | 分类号: | G01R31/367;G01R31/392;G06F30/27;G06N3/04;G06N3/08;G06N20/00;G06F111/08 |
代理公司: | 北京同恒源知识产权代理有限公司 11275 | 代理人: | 赵荣之 |
地址: | 400044 重*** | 国省代码: | 重庆;50 |
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迁移深度学习的电池组剩余寿命预测方法,属于电池技术领域。该方法包括以下步骤:步骤S1:收集动力电池老化数据集,建立电池老化数据库;步骤S2:根据电池单体老化数据提取多个健康因子,并根据相关性分析和容量估计误差筛选健康因子;步骤S3:基于电池单体全寿命周期老化数据集训练得到健康因子的递推模型,以及基于健康因子的容量估计模型;步骤S4:建立基于电池单体健康因子集和电池组容量衰减的机器学习模型;步骤S5:基于单体容量估计模型预测未来各单体的容量,得到未来循环的电池组单体容量分布。利用迁移学习和深度学习相结合,能够有效的利用已有的完整信息,提高电池组剩余寿命预测精度。 | ||
搜索关键词: | 一种 基于 迁移 深度 学习 电池组 剩余 寿命 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重庆大学,未经重庆大学许可,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/202110048627.4/,转载请声明来源钻瓜专利网。