摘要
本申请提供一种汽车电池荷电状态预测方法及装置,该方法包括:获取样本数据集和预先构建的混合神经网络模型;通过样本数据集对混合神经网络模型进行训练,得到训练后的荷电状态预测模型;获取待预测车辆的实时车辆数据;对实时车辆数据进行特征处理,得到第一层归一化特征;对第一层归一化特征进行特征处理,得到第二层归一化特征;对第二层归一化特征进行特征处理,得到第三层归一化特征;对三层归一化特征进行特征拼接处理,得到目标特征;将目标特征输入至预测头进行电池荷电状态预测处理,得到预测结果。该方法及装置能够准确预测车辆的电池荷电状态,准确度高,有助于进一步提升电动汽车的性能和可靠性。
技术关键词
汽车电池荷电状态
混合神经网络模型
车辆运行数据
电池荷电状态预测
特征提取模块
样本
注意力
计算机程序指令
预测特征
拉格朗日插值法
积层
预测装置
处理单元
矩阵
输出特征
电子设备
系统为您推荐了相关专利信息
周期性特征
训练神经网络模型
神经网络模型训练方法
数据
正弦波
动作识别方法
动作识别模型
电信号
特征提取模块
级联
塑胶模具
缺陷检测方法
内部缺陷检测
多模态
网格