基于门控循环单元神经网络和卡尔曼滤波模型融合的锂离子电池...
授权
摘要
基于门控循环单元神经网络和卡尔曼滤波模型融合的锂离子电池剩余寿命预测方法，涉及锂离子电池健康状态检测技术领域。本发明是为了解决现有的基于融合模型的锂离子电池剩余寿命预测方法，存在非线性退化过程拟合能力差、不同工作状态适应能力低的问题。本发明通过建立GRU‑RNN深度网络模型，利用GRU深度学习模型在时间序列上强大的特征提取能力，对锂离子电池容量退化特征进行提取，从而获取更加准确的电池容量预测模型，最后通过KF滤波方法减小了噪声，获取了更加精确的预测值。
基本信息
专利标题 ：
基于门控循环单元神经网络和卡尔曼滤波模型融合的锂离子电池剩余寿命预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN110222431A
申请号 ：
CN201910502496.5
公开（公告）日 ：
2019-09-10
申请日 ：
2019-06-11
授权号 ：
CN110222431B
授权日 ：
2022-04-12
发明人 ：
刘大同彭喜元李律宋宇晨
申请人 ：
哈尔滨工业大学
申请人地址 ：
黑龙江省哈尔滨市南岗区西大直街92号
代理机构 ：
哈尔滨市松花江专利商标事务所
代理人 ：
于歌
优先权 ：
CN201910502496.5
主分类号 ：
G06F17/50
IPC分类号 ：
G06F17/50 G06N3/08 G01R31/392 G01R31/367
法律状态
2022-04-12 ：
授权
2019-10-08 ：
实质审查的生效
IPC(主分类) : G06F 17/50
申请日 : 20190611
申请日 : 20190611
2019-09-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
