基于量子神经网络的锂离子电池容量非线性退化预测方法
实质审查的生效
摘要
本发明提供了一种基于量子神经网络的锂离子电池容量非线性退化预测方法，其包括：以量子神经元为基本单元，构建以编码器与解码器为基本结构的QREDNN模型，定义损失函数和优化方法，对数据进行预处理并划分为训练集与测试集，将预处理后的数据输入QREDNN模型中对参数进行训练，采用QREDNN模型对锂离子电池的容量退化趋势进行预测，所述QREDNN模型包括编码器Encoder、解码器Decoder和语义变量。本发明在传统数据驱动方法的基础上，借助量子计算基本原理，利用量子旋转矩阵表征权重值建立量子神经元模型，对于异常锂离子电池的容量退化趋势具有较好的非线性拟合能力，对于正常锂离子电池的预测效果优于经典模型。
基本信息
专利标题 ：
基于量子神经网络的锂离子电池容量非线性退化预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114384427A
申请号 ：
CN202210036258.1
公开（公告）日 ：
2022-04-22
申请日 ：
2022-01-11
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈云霞刁泉贺朱家晓崔宇轩
申请人 ：
北京航空航天大学
申请人地址 ：
北京市海淀区学院路37号
代理机构 ：
北京孚睿湾知识产权代理事务所(普通合伙)
代理人 ：
王冬杰
优先权 ：
CN202210036258.1
主分类号 ：
G01R31/378
IPC分类号 ：
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
G01R31/378
••特别适用的电池或蓄电池类型
法律状态
2022-05-10 ：
实质审查的生效
IPC(主分类) : G01R 31/378
申请日 : 20220111
申请日 : 20220111
2022-04-22 ：
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
