- 1、本文档共19页,其中可免费阅读18页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于RKHS域匹配的迁移学习预测电池SOH方法,通过提取两个电池的特征,利用域匹配算法对两个特征空间进行调整,使两个特征空间的条件分布和边缘分布相匹配,从而完成一阶统计量的匹配;再将特征空间通过核函数映射到可再生希尔伯特空间,实现高阶统计量的匹配;然后通过调整样本权重使得两个空间相关的样本权重变大,不相关的样本权重变小;这样通过域匹配方式可以利用一个电池数据做训练,用普通的机器学习算法来预测另一个电池的SOH,从而具有适用性高,预测精度高,实现简单等优点。
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 112285565 B
(45)授权公告日 2021.07.13
(21)申请号 202010995246.2 CN 108535656 A,2018.09.14
文档评论(0)