基于隐马尔科夫模型的锂电池健康状态预测方法、电子设备及介质

AITNT
正文
推荐专利
基于隐马尔科夫模型的锂电池健康状态预测方法、电子设备及介质
申请号:CN202411967060
申请日期:2024-12-30
公开号:CN119619867A
公开日期:2025-03-14
类型:发明专利
摘要
本申请公开了一种基于隐马尔科夫模型的锂电池健康状态预测方法、电子设备及介质。该方法可以包括:确定影响锂电池健康状态的因素为充放电参数;建立锂电池前一时刻健康状态、当前充放电参数与当前健康状态的关系式;根据关系式建立知识库,进而构建隐马尔可夫模型,预测锂电池的健康状态。本发明根据相应锂电池的状态属性和监测参数,对锂电池的健康状态做出可靠预测。
技术关键词
锂电池健康状态 隐马尔科夫模型 隐马尔可夫模型 参数 电子设备 矩阵 可读存储介质 序列 处理器 存储器 计算机 电流 指令 电压 关系
系统为您推荐了相关专利信息
1
一种基于改进粒子群优化算法的三维MUSIC声源定位方法
粒子群优化算法 声源定位方法 噪声子空间 MUSIC算法 协方差矩阵
2
车载冰箱多面自动检测方法、装置、设备及存储介质
车载冰箱 自动检测方法 车辆行驶工况 图像 特征描述符
3
喷油器故障检测方法、装置、计算机设备及存储介质
喷油器 故障检测方法 神经网络模型 序列 搜索算法
4
一种基于数字孪生技术的城市安全风险管控系统
多源城市数据 风险管控系统 数字孪生模型 数字孪生技术 节点
5
一种基于实时生理数据和神经网络建模的个性化情绪评估问卷生成方法及系统
问卷生成方法 生理 规则库管理 问卷生成系统 多模态
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号