买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学

摘要：本发明公开了一种数据不完备场景下的动力锂电池剩余寿命预测方法。首先，针对不完备数据问题，提出了生成式对抗神经网络的数据填充方法，以抵消由于数据不完备导致的预测误差。在此基础上采用堆叠去噪自编码器进行数据特征处理，通过克里金方法进行数据拟合，提出了一种堆叠去噪自编码器‑克里金SDAE‑Kriging的高级建模方法来预测具有填充数据的动力锂电池剩余使用寿命。最后，与现有的一些方法进行了比较，结果表明本发明提出的方法具有更好的预测精度。此外针对不同的缺失率建立了不同的剩余使用寿命预测模型，也发现对于不同的缺失数据集，本发明提出的方法同样具有可靠的填补效果和稳定的预测结果。

主权项：1.一种数据不完备场景下的动力锂电池剩余寿命预测方法，其特征在于，包括以下步骤：步骤1：选取电池内阻、电池放电容量、温度变化速率和等压降放电时间作为特征因子，然后使用生成式对抗神经网络对缺失数据进行填补；步骤2：采用堆叠去噪自编码器进行数据特征处理，通过克里金方法进行数据拟合，最终通过堆叠去噪自编码-克里金方法实现对电池剩余寿命的预测，具体步骤为：1采用堆叠去噪自编码器进行数据特征处理，对于填充数据通过引入噪声和校正来进一步抵消填充数据的差异，然后将其导入堆叠去噪自编码器，通过下式对其进行编码和解码：y＝fθx＝sWx+bz＝gθ'y＝s'W'y+b'其中，W和W'是权重矩阵，b和b'是偏置系数，s和s'是激活函数，θ和θ'是编码和解码映射参数，可由下式反复训练得到： 其中，L是重构误差；2将处理后的数据导入克里金模型进行训练，进而对动力锂电池进行剩余使用寿命预测，电池特征因子和剩余使用寿命之间的关系由下式表示：fx＝uβ,x+zx其中，μβ,x是模型的确定性部分也称为确定性漂移，一般用多项式表示，实现模型的全局逼近，zx是随机分布误差，用于实现过程的局部偏差逼近，μβ,x和zx可通过下式计算：uβ,x＝β1u1x+β2u2x+…+βiuixcov[zxi,zxj]＝σ2Rc,xi,xj其中，β1、β2……βi是多项式系数，uix为多项式函数，R是以c为参数的相关函数矩阵，σ是样本的标准差，xi和xj分别表示样本点里不同的两个样本点；通过无偏差条件分析和拉格朗日乘子法计算，最终预测模型可表式为： 其中，是剩余使用寿命的预测值，是剩余使用寿命预测多项式系数，rxT是训练集电池特征参数的影响因子，R-1是相关函数矩阵的逆矩阵，x是电池特征因子，y是剩余使用寿命训练集；堆叠去噪自编码器可以有效避免数据过拟合，结合预测精度更高的克里金方法，可以有效实现动力锂电池剩余使用寿命更高精度的预测。

全文数据：

权利要求：

百度查询： 重庆大学 数据不完备场景下的动力锂电池剩余寿命预测方法