摘要
本发明提出了一种基于动态参数评估失效修复锂电池修复状态的方法,步骤为S1:采集历史电池运行数据并以容量衰减信息为状态监测标签构建训练样本集;S2:以训练样本集为输入,构建基于拟合参数的初始双指数函数修复状态模型;S3:基于蒙特卡洛参数扰动策略进行双指数函数修复状态模型的自适应迭代更新;S4:应用自适应迭代更新后的双指数函数修复状态模型获取对应锂电池的修复状态预测值并计算目标锂电池的预期使用寿命。还提出了一种基于动态参数评估失效修复锂电池修复状态的系统,本发明实现了对目标失效修复锂电池修复状态及预期使用寿命的实时、精确动态评估,解决了传统物理模型在长期预测时容易出现误差累积和参数漂移的问题。
技术关键词
锂电池修复
双指数函数
蒙特卡洛
监测标签
训练样本集
动态
充放电循环次数
剩余寿命预测
验证阈值
数据
特征工程
剩余使用寿命
更新模型参数
误差
模块
电阻
周期
时间段
系统为您推荐了相关专利信息
测试用例集
电子系统
生成方法
验证测试用例
非易失性计算机可读存储介质
医学图像分割方法
教师
蒸馏
学生
通道注意力机制
仿真模型
碳化硅
残余应力预测方法
蒙特卡洛方法
推断方法
训练样本集
多传感器融合
同步控制方法
测试设备
设备运行状态数据
情景
蒙特卡洛模拟方法
模型校准
化石能源技术
拉丁超立方抽样