摘要
本发明涉及锂电池使用寿命技术领域,具体涉及一种电动挖掘机锂电池剩余使用寿命预测方法及装置,包括基于电动挖掘机库仑计传感器获得锂电池的容量时间序列数据;构建全逐步实时分解采样来对锂电池容量时间序列进行无信息泄露实时分解以缓解锂电池的容量再生现象并构建训练集和测试集;搭建紧耦合卷积Informer的深度学习模型,学习容量时间序列的局部波动性和全局退化性;利用评价指标评估该深度学习模型的预测精度;利用训练好的网络对测试集进行估计,并验证模型的性能。本发明能够实现电动挖掘机锂电池端到端的剩余使用寿命预测,从而解决了现有的预测技术滞后导致无法准确捕捉到容量再生现象动态变化和预测精度低的问题。
技术关键词
剩余使用寿命预测
混合深度学习模型
挖掘机
注意力
序列
锂电池
深度学习预测模型
寿命预测装置
模型训练模块
库仑计
样本
阶段
变量
数据处理模块
数据采集模块
采样模块
系统为您推荐了相关专利信息
健康预警方法
概率密度函数
分数阶微积分理论
穿戴设备
表达式
管理方法
注意力机制
卷积神经网络模型
监控视频流
实时视频流