摘要
基于贝叶斯回归和动态状态估计融合的电池寿命预测方法,涉及锂电池技术领域,针对现有技术中锂电池寿命预测结果不准确的问题,本申请运用贝叶斯网得到电池寿命预测模型,对电荷状态进行预测,并且本申请通过随机森林对特征变量进行重要性排序,并对重要性排序大于阈值的进行监测,当重要性排序大于阈值的特征变量发生变化时,对电池寿命预测模型进行动态更新,进而实现了电池寿命的准确预测。
技术关键词
电池寿命预测方法
动态状态估计
充放电数据
修正贝叶斯
贝叶斯网
变量
多头注意力机制
随机森林模型
重要性度量方法
锂电池剩余寿命
锂电池寿命预测
锂电池荷电状态
充放电循环次数
参数
数据错误率
系统为您推荐了相关专利信息
直流有刷电机
保护方法
一维卷积神经网络
波形
在线学习机制
车辆运行数据
故障知识库
故障预测模型
充放电数据
智能电池
实测气象数据
风险评估模型
风险量化方法
卡尔曼滤波模型
贝叶斯网络模型
智能检测方法
动态贝叶斯网络
离心泵
多源证据融合
多源异构数据