摘要
本发明提供一种基于深度学习的电池寿命精准预测评估方法及系统,涉及电池寿命预测技术领域,包括获取电池运行数据,基于变化特征进行过程划分,采用状态观测模型和变分推断网络提取时序特征,通过相空间重构获取动态特征;建立深度特征增强网络获得综合特征;通过容量和内阻预测分支提取特征,建立分段递归耦合通道进行融合,输出预测结果;结合报废阈值确定剩余寿命;本发明提高了电池寿命预测精度和可靠性。
技术关键词
条件概率场
状态观测模型
衰减特征
演化特征
内阻
历史运行数据
消息传递算法
校准特征
预测评估方法
融合特征
电池剩余使用寿命
时序
深度神经网络学习
分数阶微分算子
电池充放电电流
深度学习框架
组合核函数
电化学特征
系统为您推荐了相关专利信息
锂电池电源模块
监测方法
参数
序列
计算机程序指令
健康监测方法
电池充电状态
内阻
无线耳机
退化模型
充放电智能控制
新能源汽车电池组
量子态
旋转梯度磁场
监测电池组
温度补偿算法
镍氢电池管理系统
单体电池
均衡管理模块
温度传感器模块
性能评估装置
内阻
数据测试模块
性能评估方法
分类系统