申请/专利权人:浙江工业大学
申请日:2023-12-15
公开(公告)日:2024-03-29
公开(公告)号:CN117783913A
主分类号:G01R31/392
分类号:G01R31/392;G01R31/367;G06F18/213;G06F18/22;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:基于特征提取与BP神经网络估测锂离子电池健康状态的方法,首先采用DTW算法,通过时间序列幅值的差异来表征时间序列的相似性;在前一步获得最优规整路径的基础上,采用基于坐标转换的时间规整图方法来保留序列节点的时间信息和序列特征,完善对时间序列相似性的描述;其次选取四个间接健康特征量来表征锂离子电池健康状态;然后根据四个间接特征量构建BP神经网络,对特征量所对应的相关数据先进行归一化与划分数据集,再进行训练与预测,获得真实值与预测值的对比曲线;最后根据获得的真实值与预测值曲线,反馈锂离子电池的健康状态特征,做出及时调整与预防。本发明提高了评估效率的同时降低了风险发生的概率。
主权项:1.基于特征提取与BP神经网络估测锂离子电池健康状态的方法,其特征在于包括以下步骤:1利用锂离子电池性能参数的可测量性的特点,采用DTW算法,通过时间序列幅值的差异来表征时间序列的相似性;2基于步骤1中获得的最优规整路径,采用基于坐标转换的时间规整图方法来保留序列节点的时间信息和序列特征,完善对时间序列相似性的描述;3选取四个间接健康特征量来表征锂离子电池健康状态;4根据步骤3中的四个间接特征量构建BP神经网络,对特征量所对应的相关数据先进行归一化与划分数据集,再进行训练与预测,获得真实值与预测值的对比曲线;5根据步骤4中获得的真实值与预测值曲线,反馈锂离子电池的健康状态特征,做出及时调整与预防。
全文数据:
权利要求:
百度查询: 浙江工业大学 基于特征提取与BP神经网络估测锂离子电池健康状态的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。