一种基于端到端深度学习的锂电池健康状态估计方法
公开
摘要
本发明提出了一种基于端到端深度学习的锂电池健康状态估计方法。该方法搭建了空洞卷积与双向LSTM结合的网络模型，令模型在增大网络层感受野的同时，能够获取更加丰富的时间序列样本信息，有效提升了电池健康状态的估计精度。并且使用了美国宇航局(NASA)预测卓越中心的电池预测数据集对模型进行训练与效果验证。首先将原始数据经过预处理后输入三个级联的空洞卷积模块与一个双向LSTM层，然后对网络模型进行训练并仿真验证，保存网络权重参数，最后将训练好的网络模型在测试集上进行测试，得到电池健康状态估计结果。
基本信息
专利标题 ：
一种基于端到端深度学习的锂电池健康状态估计方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114580620A
申请号 ：
CN202210306935.7
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-25
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
高明裕鲍政怡何志伟董哲康杨宇翔林辉品
申请人 ：
杭州电子科技大学
申请人地址 ：
浙江省杭州市下沙高教园区2号大街
代理机构 ：
杭州君度专利代理事务所(特殊普通合伙)
代理人 ：
杨舟涛
优先权 ：
CN202210306935.7
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08 G01R31/367 G01R31/392
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-06-03 ：
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
