摘要
本发明提供一种电池性能实时评估方法、评估装置,将电池性能多指标特性转化为梯形模糊数,形成电池性能指标‑梯形模糊数的电池性能多指标评估模型,以电池性能指标作为输入,梯形模糊数作为输出训练神经网络,采用MARCOS模糊算法,构建电动汽车电池性能多指标最终效用函数,将神经网络输出的梯形模糊数转化为一维的电池性能指标综合评估结果,最后,通过上述方法分析电池性能指标的实时数据,能够实时实现电池性能实时评估。由此,将电池性能指标的多维数据融合输出一维的电池性能指标综合评估结果,解决了电池性能多指标耦合评估问题,实现电池性能实时综合评估,为电池安全可靠运行提供理论依据与工程指导。
技术关键词
梯形模糊数
电池
多指标
评估装置
模糊算法
训练神经网络
矩阵
模糊化函数
性能指标数据
BP神经网络
充放电次数
实时数据
模块
效应
元素
电流
电压
系统为您推荐了相关专利信息
锂电池管理系统
蓝牙钥匙
电池管理单元
蓝牙模块
微处理器
气压传感模块
气溶胶颗粒
烟雾探测模块
多模态传感器
储能单体
面向自然语言
指标预测方法
ARIMA模型
线性回归算法
线性回归模型
控制电池管理系统
长短期记忆模型
LSTM模型
数据
序列
电池寿命预测方法
LSTM模型
卡尔曼滤波
序列
电池寿命预测装置