摘要
本说明书实施例公开了一种锂离子电池寿命预测方法及协同驱动模型的训练方法,其中的预测方法包括:获取训练好的协同驱动模型,以及目标电池的多模态数据;基于多模态数据构建包括时序特征、机理特征和材料特征的特征矩阵;基于特征矩阵利用自注意力机制得到加权融合向量,并将加权融合向量作为协同驱动模型的输入;基于机理模型提取机理特征、基于深度学习模型提取数据特征;基于全连接层获取机理特征和数据特征对应的目标电池的预测寿命值。解决传统的锂离子电池寿命预测方法中对电池内部的物理、化学数据及电池运行数据利用不充分的缺陷,提高了预测方法在动态工况下的适应能力及预测精度。
技术关键词
深度学习模型
电池
注意力机制
数据
材料特征
时序特征
头脑风暴优化
电解液
蒙特卡洛模拟法
寿命
小波阈值降噪
混合优化算法
样本
多模态
蒙特卡洛方法
矩阵
动态更新
遗传算法
系统为您推荐了相关专利信息
控制网络管理系统
功能模块
数据加密保护
硬件设备
资源调度模型
编码矢量
生态环境监测
实体
网络拓扑
数据分析方法
线性回归模型
文本
评价方法
存储程序代码
关键词