摘要
本申请提出一种模型的训练方法及电池剩余寿命预测方法。该训练方法包括:获取第一样本车辆的第一样本工况数据;第一样本工况数据包括多种指标、多种指标对应的车载数据、车载数据的生成时间;多种指标包括:电池状态指标、环境指标、驾驶习惯指标;根据第一样本工况数据,构建第一样本工况矩阵;第一样本工况矩阵表征车载数据在多种指标联合影响下的分布情况;利用第一样本工况矩阵训练初始多分支自编码器模型,得到目标多分支自编码器模型;目标多分支自编码器模型包括目标编码器;将目标编码器作为特征向量提取模型。基于上述方法,能够构建特征向量提取模型,准确提取输入数据的特征向量,为后续剩余寿命预测提供数据基础。
技术关键词
电池健康状态
工况
样本
数据
多分支
编码器
指标
矩阵
训练集
神经网络模型
LightGBM模型
标签
剩余寿命预测装置
XGBoost模型
模块
习惯
解码器
系统为您推荐了相关专利信息
设备缺陷检测
神经网络模型
破损缺陷
轨迹
复合模块
处理单元
数据存储器
数据校准方法
校准处理器
误差模型
人工智能机器人
巡检方法
图像识别算法
机器学习算法
巡检装置