摘要
本发明公开了一种车载锂电池剩余容量预测方法,其步骤包括:利用电池管理系统实现电池数据采集,云服务器对多辆电动车电池样本数据采用皮尔逊相关系数算法分析数据的多维特征的相关性,筛选出对电池容量影响较大的强特征;对数据进行标准化处理;根据输入数据维数,构建LSTM神经网络预测模型;根据神经网络结构设置混沌粒子群优化算法的参数,将混沌粒子群优化算法解得的最优参数用于LSTM神经网络;最后完成神经网络模型的训练和测试,得到可用于预测的LSTM神经网络模型。本发明利用皮尔逊相关系数算法进行电池容量相关特征分析,找出对电池容量影响较大的强特征,提高模型的准确性;采用混沌粒子群算法优化的LSTM神经网络模型进行预测,提高了预测精度。
技术关键词
剩余容量预测方法
车载锂电池
神经网络模型
LSTM神经网络
皮尔逊相关系数
电池管理系统
混沌粒子群算法
电池容量预测
云服务器
神经网络结构
LSTM模型
训练集数据
样本
系统为您推荐了相关专利信息
面向工业互联网
能耗预测方法
预测系统
空气质量传感器
卡尔曼滤波算法
气动布局设计方法
布局规则
飞机
规则库构建方法
构建规则库
像素
标签
训练卷积神经网络
铜箔表面
缺陷检测方法
线性规划算法
训练神经网络模型
灼烧失量
训练集数据
样品烧失量
舌象图像
分类模型获取方法
神经网络模型
质心分类器
舌象分类方法