一种基于机器学习的电池系统支路电流估计方法
公开
摘要
本发明公开了一种基于机器学习的电池系统支路电流估计方法，包括以下步骤：包括进行DST，FUDS，UDDS，HPPC四个工况下的离线测试，将整合的数据集进行归一化，设置BP神经网络的参数，对BP神经网络进行训练，得到训练好的BP神经网络，得到支路电流估计值。对比现有技术，本发明的有益效果在于：使用BP神经网络进行支路电流估计，BP神经网络算法比深度学习算法结构简单、训练学习快，占用内存小，更适合移动载运装备。
基本信息
专利标题 ：
一种基于机器学习的电池系统支路电流估计方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114624603A
申请号 ：
CN202210254508.9
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-15
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
于全庆刘玉坤穆浩龙胜文李俊夫
申请人 ：
哈尔滨工业大学（威海）;北京空间飞行器总体设计部
申请人地址 ：
山东省威海市环翠区文化西路2号哈工大研究院南125室
代理机构 ：
济南佰智蔚然知识产权代理事务所(普通合伙)
代理人 ：
王砚雷
优先权 ：
CN202210254508.9
主分类号 ：
G01R31/367
IPC分类号 ：
G01R31/367 G01R31/388 G01R31/396
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
2022-06-14 ：
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
