基于特征筛选和高斯过程回归的锂电池健康状态估计方法
授权
摘要
本发明公开了一种基于特征筛选和高斯过程回归的锂电池健康状态估计方法，包括步骤：1、采集待测电池历史数据，定义电池SOH。2、采用粒子群‑灰色关联分析PSO‑GRA方法筛选最优特征电压区间，并基于充电曲线提取特征。3、将样本划分为训练集、测试集。4、建立改进的GPR模型。5、基于训练集数据训练GPR模型。6、基于训练好的模型进行SOH估计，输出估计均值和置信区间。本发明实现了高相关性特征的自动提取，改进了传统的高斯过程回归GPR模型，提高了电池SOH估计精度，且能够适应不同锂离子电池数据。
基本信息
专利标题 ：
基于特征筛选和高斯过程回归的锂电池健康状态估计方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113189490A
申请号 ：
CN202110536472.9
公开（公告）日 ：
2021-07-30
申请日 ：
2021-05-17
授权号 ：
CN113189490B
授权日 ：
2022-04-01
发明人 ：
熊斌宇潘劲轩李旸唐金锐谢长君侯慧
申请人 ：
武汉理工大学
申请人地址 ：
湖北省武汉市洪山区珞狮路122号
代理机构 ：
武汉开元知识产权代理有限公司
代理人 ：
刘琳
优先权 ：
CN202110536472.9
主分类号 ：
G01R31/367
IPC分类号 ：
G01R31/367 G01R31/378
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
2022-04-01 ：
授权
2021-08-17 ：
实质审查的生效
IPC(主分类) : G01R 31/367
申请日 : 20210517
申请日 : 20210517
2021-07-30 ：
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
