一种基于深度-迁移学习的锂离子电池SOC估计方法
授权
摘要
本发明涉及一种基于深度‑迁移学习的锂离子电池SOC估计方法，获得源域训练集以及目标域训练集和测试集；构建基于深度学习的锂离子电池SOC估计源域模型，利用源域训练集对锂离子电池SOC估计源域模型进行训练，保存模型训练数据参数；构建基于深度学习的锂离子电池SOC估计目标域模型，采用迁移学习方法，将锂离子电池SOC估计源域模型训练数据参数转移至所述锂离子电池SOC估计目标域模型，共享模型权值参数进行初始化设置；将锂离子电池目标域训练集导入锂离子电池SOC估计目标域模型进行微调训练处理，进一步导入目标域测试集预测锂离子电池SOC值。本发明减少锂离子电池SOC估计模型的训练时间和实验数据收集过程需要耗费大量的时间和资金投入。
基本信息
专利标题 ：
一种基于深度-迁移学习的锂离子电池SOC估计方法
专利标题（英）：
暂无
公开（公告）号 ：
CN112540298A
申请号 ：
CN202011570001.1
公开（公告）日 ：
2021-03-23
申请日 ：
2020-12-26
授权号 ：
CN112540298B
授权日 ：
2022-05-10
发明人 ：
王亚雄陈振航陈锦洲杨庆伟
申请人 ：
福州大学
申请人地址 ：
福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学
代理机构 ：
福州元创专利商标代理有限公司
代理人 ：
钱莉
优先权 ：
CN202011570001.1
主分类号 ：
G01R31/367
IPC分类号 ：
G01R31/367 G01R31/387 G01R31/378 G06N3/063 G06N3/08
IPC结构图谱
G
G部——物理
G01
测量；测试
G01R
测量电变量；测量磁变量
G01R31/367
••其软件，例如 使用建模或查找表进行电池测试
法律状态
2022-05-10 ：
授权
2021-04-09 ：
实质审查的生效
IPC(主分类) : G01R 31/367
申请日 : 20201226
申请日 : 20201226
2021-03-23 ：
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
