摘要
本发明涉及电池仿真电化学模型参数估计技术领域,具体提供一种全局‑局部协同优化的电池电化学仿真参数估计方法及装置,方法包括:确定电池电化学仿真参数的种类;基于电化学仿真参数的种类构建贝叶斯神经网络,并采用训练集对贝叶斯神经网络进行全局优化训练得到贝叶斯神经网络模型;将贝叶斯神经网络模型采用蒙特卡洛方法进行局部优化,得到贝叶斯神经网络‑蒙特卡洛模型;采用贝叶斯神经网络‑蒙特卡洛模型进行电化学仿真参数的数值的估计。由此,通过贝叶斯全局优化与蒙特卡洛局部优化相结合训练得到贝叶斯神经网络‑蒙特卡洛模型,有效提升了模型在计算精度、适应性及泛化能力等方面的综合性能。
技术关键词
贝叶斯神经网络
参数估计方法
蒙特卡洛方法
多孔电极
测试电池
参数估计技术
参数估计装置
变量
数值
液相
超参数
模块
训练集
效应
机制
综合性
电解质
系统为您推荐了相关专利信息
风险评价方法
FLAC3D软件
岩土体
蒙特卡洛方法
水文模型
模型参数估计方法
脉冲响应模型
非线性电路系统
期望最大化算法
概率密度函数
聚酰亚胺材料
模型建立方法
陷阱参数
陷阱电荷
电子
谐波阻抗计算方法
协方差矩阵
FastICA算法
波动量法
参数估计法