摘要
本发明公开了一种基于域自适应迁移的蓄电池多场景健康状态估计方法,包括步骤1,推导蓄电池的健康状态量;步骤2,筛选出与电池健康状态相关系数绝对值大于等于设定阈值的特征作为模型输入;步骤3,对源域数据和目标域数据进行特征提取;步骤4,计算源域数据与目标域数据在卷积神经网络模型高层特征输出的分布距离,并将该损失函数与均方误差损失函数通过加权求和方式得到总损失函数,应用自适应矩估计优化器对总损失函数进行优化,实现无标签电池数据的域自适应训练;步骤5,使用验证集评估模型性能,并将其应用于测试集以输出健康状态估计结果。本发明有效解决了跨域场景下数据分布差异导致的估计精度下降问题。
技术关键词
健康状态估计方法
多场景
电化学阻抗谱分析
电池健康状态
卷积神经网络模型
皮尔逊相关系数
充放电数据
健康状态预测
恒流充电阶段
蓄电池老化
高维特征向量
因子
计算机存储介质
特征提取器
残差结构
标签
卷积模块
误差
系统为您推荐了相关专利信息
指数
高分辨率相机
均方误差最小准则
样本
传感器组合装置
环境风险评估
充放电检测方法
矿用锂电池
矿井
电池管理系统
电池健康状态
多核极限学习机
特征值
多项式核函数
策略
视频聊天
多任务级联卷积神经网络模型
短视频
人像特征
时序依赖关系
电池健康状态
电池寿命预测
电压
生成优化建议
电流