申请/专利权人：河南科技学院;河南锂动电源有限公司;河南中新绿动能源有限公司

申请日：2024-03-08

公开（公告）日：2024-04-09

公开（公告）号：CN117849628A

主分类号：G01R31/367

分类号：G01R31/367;G06F18/213;G06F18/214;G06N3/045;G06N3/0464;G06N3/0442;G06N3/0499;G06N3/08;G01R31/378;G01R31/385;G01R31/392;G01R31/396;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：基于时序变换记忆网络的锂离子电池健康状态估计方法，包括以下步骤：建立电池循环寿命试验的实验平台，获取电池健康状况数据集；将数据集中充电过程的电压曲线分割成等电压间隔，并提取等电压间隔之间的时间差构建特征；使用滑动窗口来处理每个特征获得时间序列数据；利用一维卷积神经模块对时间序列数据进行充分卷积处理得到特征向量；将得到的特征向量送入时序变换记忆网络；将从时序变换记忆网络得到的解码数据通过两层全连接层进行映射和转换实现最终的SoH估计。能够解决序列数据中的短期模式和长期依赖问题，加速并行处理不同层次的信息，显著提高了基于深度学习估计方法的估计性能和泛化能力。

主权项：1.基于时序变换记忆网络的锂离子电池健康状态估计方法，其特征在于：包括以下步骤：步骤1：建立电池循环寿命试验的实验平台，获取电池健康状况数据集；步骤2：将数据集中充电过程的电压曲线分割成等电压间隔，并提取等电压间隔之间的时间差构建特征；步骤3：使用滑动窗口来处理每个特征获得时间序列数据；步骤4：利用一维卷积神经模块对时间序列数据进行充分卷积处理得到特征向量；步骤5：将得到的特征向量送入时序变换记忆网络，时序变换记忆网络包括编码层和解码层，编码层包括第一通道自注意力模块、第一前馈神经模块和长短期记忆模块，解码层包括多头注意力模块、第二通道自注意力模块和第二前馈神经模块；特征向量在时序变换记忆网络中的处理过程包括以下步骤：步骤5.1：特征向量经位置编码后，一路经第一通道自注意力模块CSAM后与另一路进行拼接归一化并获得局部特征数据；步骤5.2：局部特征数据经第一前馈神经模块后再与其自身进行拼接归一化并获得局部特征向量；步骤5.3：局部特征向量经长短期记忆模块后获得编码数据；步骤5.4：编码数据经位置编码后再经多头注意力模块后与其自身进行拼接归一化并获得第一中间数据；步骤5.5：第二通道自注意力模块的一路输入为编码数据，另一路输入为第一中间数据；第二通道自注意力模块的输出与第一中间数据拼接归一化后获得第二中间数据；步骤5.6：第二中间数据经第二前馈神经模块后与其自身进行拼接归一化并获得解码数据；步骤6：将得到的解码数据通过两层全连接层进行映射和转换实现最终的SoH估计。

全文数据：

权利要求：

百度查询： 河南科技学院;河南锂动电源有限公司;河南中新绿动能源有限公司 基于时序变换记忆网络的锂离子电池健康状态估计方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD