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：重庆邮电大学

摘要：本发明涉及锂电池健康状态评估技术领域，公开了一种基于神经网络常微分方程的锂电池健康状态估计方法，包括如下步骤：步骤1、对收集到的锂电池数据集进行预处理得到原始数据集；步骤2、将所述原始数据集分类成训练数据集和测试数据集；步骤3、将所述训练数据集输入至通过元学习剪枝后得到的轻量化ODE网络，对所述轻量化ODE网络进行训练得到锂电池的预测容量，并通过所述测试数据集对训练后的轻量化ODE网络进行测试。本发明将元学习剪枝Meta‑pruning应用在ODE网络中，简化网络结构并减少网络参数量，达到进一步精简轻量化的ODE网络的效果，并提高神经网络预测锂电池SOH的精度。

主权项：1.一种基于神经网络常微分方程的锂电池健康状态估计方法，其特征在于，包括如下步骤：步骤1、对收集到的锂电池数据集进行预处理得到原始数据集；步骤2、将所述原始数据集分类成训练数据集和测试数据集；步骤3、将所述训练数据集输入至通过元学习剪枝后得到的轻量化ODE网络，对所述轻量化ODE网络进行训练得到锂电池的预测容量，并通过所述测试数据集对训练后的轻量化ODE网络进行测试；所述ODE网络包括通过元学习自动搜寻神经网络常微分方程得出的神经网络f和常微分方程解算器ODESolver，具体过程为：训练一个PruningNet，用于在向PrunedNetworks输入网络结构向量时提供网络权重，以得到剪枝网络；在构建的若干剪枝网络中使用验证集对网络性能进行优劣评估，以得到网络性能最优的剪枝网络，该性能最优的剪枝网络即为通过元学习自动搜寻神经网络常微分方程得出的神经网络f；步骤3中，将所述训练数据集输入至通过元学习剪枝后得到的轻量化ODE网络，对所述轻量化ODE网络进行训练得到锂电池的预测容量的具体步骤为：步骤3.1、通过误差容忍度参数确定所述ODESolver的步长；步骤3.2、将所述原始数据集和神经网络f输入至所述ODE网络，并计算所述ODE网络的反向传播误差，以得到锂电池的预测容量；步骤3.2中，所述ODE网络的反向传播误差的计算步骤如下：步骤3.21、定义当前时刻的隐藏层为：hc+1＝hc+fhc,θc，其中，f为通过元学习自动搜寻神经网络常微分方程得出的神经网络，θ为所述神经网络自带参数，c为网络层数，hc为隐藏层的输出，h∈RD；步骤3.22、对所述隐藏层进行积分，计算出该隐藏层的值：hc＝∫fc,hc,θcdc；步骤3.23、通过所述ODESolver，计算出hc：y＝hc＝ODESolverhc,t0,t1,θ,f；其中，t0和t1分别对应的微分开始时间和结束时间，θ代表所述神经网络自带参数；步骤3.24、通过损失函数进行计算所述ODESolver的反向传播误差，所述损失函数如下：Lt0,t1,θc＝LODESolverhc,t0,t1,θ,f；计算所述原始数据集的反向传播误差的具体计算方式如下：步骤3.241、将所述原始数据集依次输入至4*25的第一线性全连接层和25*4的第二线性全连接层得到第一中间结果集；步骤3.242、将所述第一中间结果集和第一数据集输入至odeint函数，计算出第二中间结果集；步骤3.243、将所述第二中间结果集依次输入至4*25的第三线性全连接层和25*2的第四线性全连接层，得到锂电池的预测容量和预测容量所对应的时间t_p步骤4、将需要进行估计的锂电池的数据输入至训练后的轻量化OED网络得到该锂电池的预测容量，通过所述预测容量和锂电池的额定容量得到预测的锂电池健康状态。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于神经网络常微分方程的锂电池健康状态估计方法