基于迁移学习的电池剩余寿命预测系统、方法、存储介质和计算机程序产品

AITNT
正文
推荐专利
基于迁移学习的电池剩余寿命预测系统、方法、存储介质和计算机程序产品
申请号:CN202510233290
申请日期:2025-02-28
公开号:CN120085175A
公开日期:2025-06-03
类型:发明专利
摘要
本发明公开了基于迁移学习的电池剩余寿命预测系统、方法、存储介质和计算机程序产品。所述系统包括:模型构建模块、模型训练模块和电池寿命预测模块,所述模型构建模块包括特征提取模型构建单元、迁移学习模型构建单元;所述特征提取模型包括多尺度卷积模块、通道注意力机制和双向长短期记忆网络模块。本发明在电池的使用工况等有差异的情况下,通过迁移学习,减少数据之间的分布差异,提高模型的泛化能力,提高了模型预测的精度。
技术关键词
特征提取模型 剩余寿命预测系统 充放电数据 迁移学习模型 电池寿命预测 模型训练模块 通道注意力机制 计算机程序产品 网络 深度学习模型 非暂态计算机可读存储介质 时序特征 卷积模块 工况
系统为您推荐了相关专利信息
1
一种基于深度学习的药物分子生成优化设计系统
深度学习模型 优化设计系统 输入模块 分子结构信息 多参数
2
基于多模态动态提示与时空稀疏化的视频动作定位方法
视频 深度学习模型 动作定位方法 多模态 文本特征向量
3
膀胱癌淋巴结转移预测方法、装置、设备及存储介质
注意力模型 特征提取模型 训练样本数据 转移预测方法 分类网络
4
一种基于人工智能的电力模块老化预测方法及系统
老化预测方法 电力模块 迁移学习模型 老化特征 神经网络模型
5
应用于嵌入式设备的数据处理方法及装置
嵌入式设备 设备运行数据分析 特征提取模型 预测分类模型 周期
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