申请/专利权人:哈尔滨理工大学
申请日:2023-12-12
公开(公告)日:2024-04-12
公开(公告)号:CN117872147A
主分类号:G01R31/367
分类号:G01R31/367;G01R31/392;G01R31/396
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于SOA‑FCM的退役电池分选方法,涉及退役动力电池分选重组领域。本发明构建SOA‑FCM,以电压、内阻、SOC、SOH、电压变化率ΔU、SOC变化率ΔSOC和SOH变化率ΔSOH为输入参数,对海鸥位置进行更新,通过对优化目标进行循环判断,更新海鸥进行迁徙行为后的新位置;更新最终位置;再次比较当前种群个体之间的适应度,找出全局最优值;达到终止条件时输出SOA算法的全体最优位置和适应度值。本发明提高了电池的SOC和SOH估计的准确性。本发明解决了传统的无监督聚类FCM算法易陷入局部最优的问题,抑制了单体电池组合成为动力电池系统后的寿命衰减速度。
主权项:1.基于SOA-FCM的退役电池分选方法,其特征在于,包括如下步骤:S1、构建SOA-FCM,模型的输入参数包括静态参数和动态参数,所述静态参数包括电压、内阻、SOC和SOH,所述动态参数包括电压变化率ΔU、SOC变化率ΔSOC和SOH变化率ΔSOH;对参数进行初始化,确定FCM的权值和阈值编码;S2、计算每只海鸥的适应度值,个体之间相互比较适应度值,找出当前种群的个体最优和全体最优值;S3、对海鸥位置进行更新,通过对优化目标进行循环判断,更新海鸥进行迁徙行为后的新位置;S4、更新最终位置;S5、再次比较当前种群个体之间的适应度,找出全局最优值;S6、判断算法在执行过程中达到终止条件,若未达到则计算转到步骤S4~S6继续进行位置更新;S7、输出SOA算法的全体最优位置和适应度值。
全文数据:
权利要求:
百度查询: 哈尔滨理工大学 一种基于SOA-FCM的退役电池分选方法
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。