- 1、本文档共15页,其中可免费阅读14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
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112798960 B
(45)授权公告日 2022.06.24
(21)申请号 202110048627.4 G06N 20/00 (2019.01)
文档评论(0)