摘要
本发明公开了一种基于熵特征技术的电池健康状态监测方法。其中,基于熵特征技术的电池健康状态监测方法,包括以下步骤:数据的采集,采集电池循环使用过程中产生的电压信号;信息熵特征的提取与筛选,提取并筛选电压信号中的信息熵特征;信息熵特征的训练与预测,将信息熵特征输入至cpo‑wlssvm‑adaboost模型进行训练,并输出电池的健康状态估计值。本发明通过提取出电压信号中的信息熵特征后,输入cpo‑wlssvm‑adaboost模型中进行训练和预测,实现了电池健康状况的准确估计。
技术关键词
电池健康状态监测方法
信息熵特征
特征技术
非线性时间序列
弱分类器
策略
电池健康状况
功率
电压
缩减技术
元素
模式
优化器
信号
集成算法
正则化参数
构建算法
强分类器
评估算法
因子
系统为您推荐了相关专利信息
溯源分析方法
RBF神经网络
调度算法
数据
节点
信息熵特征
识别方法
通信特征
物联网设备
训练识别模型
健康诊断方法
AdaBoost算法
高压断路器
故障诊断模型
特征波形提取
网络安全威胁
分类正确率
特征数据信息
Adaboost算法
场景
光电容积脉搏波信号
临床麻醉药物
自主神经功能
评价方法
心率