基于深度学习的电池SOH预测模型构建方法
实质审查的生效
摘要
本发明实施例公开了一种基于深度学习的电池SOH预测模型构建方法，包括：获取电池在多次充电过程中的特征数据以及充电后的SOH；利用网格搜索法，选取每次充电过程中一连续时间片段的特征数据；以每个连续时间片段的特征数据为样本，对深度学习网络进行训练，使所述深度学习网络的输出逼近每次充电后的SOH；训练好的深度学习网络构成电池SOH预测模型；其中，所述深度学习网络包括：受限玻尔兹曼机模型和全连接层；所述受限玻尔兹曼机模型用于对每个连续时间片段的特征数据进行降维，所述全连接层用于对降维后的特征数据进行全连接计算，得到所述深度学习网络的输出。本实施例使模型的预测结果更符合电池的真实使用状态。
基本信息
专利标题 ：
基于深度学习的电池SOH预测模型构建方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114509679A
申请号 ：
CN202210412889.9
公开（公告）日 ：
2022-05-17
申请日 ：
2022-04-20
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
杨亮张衡王文斌王铁王军雷王华珺
申请人 ：
中汽信息科技（天津）有限公司
申请人地址 ：
天津市东丽区先锋东路68号科研楼416室
代理机构 ：
代理人 ：
优先权 ：
CN202210412889.9
主分类号 ：
G01R31/367
IPC分类号 ：
G01R31/367 G01R31/392 G06N3/04 G06N3/08
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
2022-06-03 ：
实质审查的生效
IPC(主分类) : G01R 31/367
申请日 : 20220420
申请日 : 20220420
2022-05-17 ：
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
