摘要
本说明书提供了电池健康状态的确定方法、装置和服务器,具体实施前,通过联合使用粒子群优化算法和随机森林回归预测模型,训练得到相应的预设的电池健康状态预测模型。具体实施时,在目标电池的工作面上部署目标超声换能器组;其中,目标超声换能器组包括3个超声换能器,超声换能器之间的连边构成等边三角形,等边三角形的中心与目标电池的工作面的中心重合;再利用目标超声换能器组采集得到关于目标电池的波形信号;根据波形信号,获取并利用相对应的时域数据和频域数据,确定出关于目标电池的目标特征;利用预设的电池健康状态预测模型通过处理目标特征,确定出目标电池的健康状态。从而能够较为高效、精准地监测确定目标电池的健康状态。
技术关键词
超声换能器
电池健康状态
信号强度值
回归预测模型
粒子群优化算法
数据
随机森林
三角形
发射超声
样本
超声信号
波形
参数
服务器
处理器
频率
系统为您推荐了相关专利信息
信标
节点
策略更新
接收信号强度值
无限传感器网络
AGV路径规划
路径规划装置
订单
路径规划方法
智能控制模块
任务调度策略
特征提取模型
视觉
云服务器
资源分配框架
新型储能电站
热力耦合模型
剩余寿命预测
串并联结构
电池健康状态
神经网络方法
电池状态参数
注意力
掩码矩阵
融合特征