[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。
