摘要
本申请公开了基于部分片段的电池健康与老化轨迹级联预测方法,包括:获取电池充电过程中的电压数据片段,进行数据预处理,提取高荷电状态下充电电压段的特征信息;组合所述特征信息中的特征,通过皮尔逊相关系数和电池健康状态估计模型筛选出最优特征组合;通过滑动窗口对最近周期内的所述电压数据片段进行动态分段采样,选择当前窗口内的最优特征组合作为所述电池健康状态估计模型的输入,得到电池健康状态估计值;对所述电压数据片段进行均匀采样,预测起始点之前的数据段作为电池老化轨迹预测模型的输入,再选取所述电池健康状态估计模型中验证误差最小的密集层输出作为所述电池老化轨迹预测模型的额外输入,获得电池老化预测轨迹。
技术关键词
电池健康状态
轨迹预测模型
皮尔逊相关系数
长短期记忆神经网络
级联
电压
动态老化
数据
滑动窗口
误差
机器学习算法
模块
预测系统
分段
计算机
周期
可读存储介质
系统为您推荐了相关专利信息
表征方法
滑动窗口尺寸
皮尔逊相关系数
数据
烟气氧含量
散热铜管
参数
控制系统
人机交互模块
深度学习算法
特征提取网络
土壤重金属污染
土壤环境参数
遥感分析方法
数据
金字塔特征
构建算法
图像投影
点云特征提取
交叉注意力机制
模型设计方法
耦合开关
变量
优化核极限学习机
辅助式