摘要
本发明涉及一种考虑退化信息自适应表征的电池健康估计方法,所述方法包括以下步骤:数据预处理;基于变分自编码器VAE的数据表示;将锂离子电池的建康因子作为输入数据,通过VAE的编码器将其编码为隐藏层表示,投射到低维隐藏变量空间中,以提取数据的抽象特征,然后,通过解码器将隐藏层表示解码为原始表示;构建改进的LSTM神经网络,并基于训练集,采用改进的战争策略优化算法优化神经网络中的参数;利用最优超参数构建最优多任务模型,在训练集中进行SOH估计,在测试集中对锂离子电池进行SOH预测。本发明提高了优化算法的全局搜索能力,实现了锂离子电池退化信息的自适应表示,提高了模型对锂离子电池SOH的准确估计能力。
技术关键词
估计方法
锂离子电池
优化神经网络
策略
编码器
变分贝叶斯方法
超参数
sigmoid函数
混沌映射方法
LSTM神经网络
解码器
算法
位置更新
定义
数据
训练集
因子
表达式
系统为您推荐了相关专利信息
建模方法
状态机模型
电网故障技术
定义
启动备用电源
状态在线监测系统
数字孪生模型
数字孪生建模
实时监测数据
数据采集模块