一种基于交叉流形嵌入迁移学习的电池SOH预测方法

授权

摘要

本发明公开了一种基于交叉流形嵌入迁移学习的电池SOH预测方法，将电池的一次充放电过程所提取的特征与SOH值作为一个循环的样本点，而辅助电池每一次循环提取的源域数据集和新电池前t次循环提取的目标域数据集在特征空间中被视为两个不同的流形。将新电池的目标域数据作为辅助电池的源域数据的锚点集，对于每一个源域样本点，在锚点集中找到关于SOH值的K个近邻点，求解最优权重使得源域样本点能够映射到K个近邻所在的流形，再根据最优权重与K个近邻的特征将源域样本点的特征进行映射。由此将源域数据集嵌入目标域流形中，从而在不丢失特征维度的情况下实现低维数据的特征迁移，由此提高机器学习方法的跨场景泛化性能。

基本信息

专利标题：

一种基于交叉流形嵌入迁移学习的电池SOH预测方法

专利标题（英）：

暂无

公开（公告）号：

CN113094985A

申请号：

CN202110346401.2

公开（公告）日：

2021-07-09

申请日：

2021-03-31

授权号：

CN113094985B

授权日：

2022-06-14

发明人：

盛瀚民周圆邵晋梁石磊白利兵米金华

申请人：

电子科技大学

申请人地址：

四川省成都市高新区（西区）西源大道2006号

代理机构：

成都行之专利代理事务所(普通合伙)

代理人：

温利平

优先权：

CN202110346401.2

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06F17/15 G06F17/16 G06F17/18