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
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
视频
深度学习模型
动作定位方法
多模态
文本特征向量
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
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
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