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：中国工程物理研究院计算机应用研究所;南京航空航天大学

摘要：本发明公开了一种基于集成学习的锂电池剩余使用寿命预测方法及系统，属于装备综合保障的剩余使用寿命预测技术与计算科学交叉领域，解决现有技术采用单一的机器学习算法很难精确预测锂电池的剩余使用寿命的问题。本发明对获取的锂电池的原始数据进行转换，转换后得到时间序列数据集，其中，原始数据是指某块锂电池随时间周期的充放电数据；基于时间序列数据集训练多个基本学习器；基于遗传算法集成训练后的多个基本学习器，得到集成模型；将待预测的锂电池的时间序列数据输入集成模型进行预测，得到锂电池的剩余使用寿命。本发明用于锂电池的剩余使用寿命预测，也可推广应用于其他单部件以及装备系统剩余使用寿命预测。

主权项：1.一种基于集成学习的锂电池剩余使用寿命预测方法，其特征在于，包括如下步骤：步骤1、对获取的锂电池的原始数据进行转换，转换后得到时间序列数据集，其中，原始数据是指某块锂电池随时间周期的充放电数据，时间序列数据集包括训练集、验证集和测试集；步骤2、基于时间序列数据集训练多个基本学习器；步骤3、基于遗传算法集成训练后的多个基本学习器，得到集成模型；步骤4、将待预测的锂电池的时间序列数据输入集成模型进行预测，得到锂电池的剩余使用寿命；所述步骤2中的多个基本学习器为相关向量机、随机森林、弹性网络、自回归模型和长短期记忆网络；所述步骤2中基于训练集训练各基本学习器的训练方式为：通过梯度下降法，不断迭代减小各基本学习器预测得到时间序列数据的预测值与锂电池真实剩余容量的实际值之间的误差，当误差达到给定精度要求或者训练次数达到最大迭代次数时，训练结束；误差公式为：error=其中，表示训练集的大小，表示训练集中第个时间序列数据的预测值，表示第个时间序列数据的真实值；所述步骤3的具体步骤为：步骤3.1、实数化编码相关向量机、随机森林、弹性网络、自回归模型和长短期记忆网络的权重分别为，即随机给定一个[0,1]之间的实数；步骤3.2、给定种群大小；步骤3.3、计算适应度函数为：，其中，表示训练集的大小，表示时间序列数据在基本学习器上的预测结果，，表示时间序列数据的真实值；步骤3.4、基于种群大小和适应度函数进行遗传操作，遗传操作包括选择、交叉和变异；步骤3.5、遗传操作后，若达到最大迭代次数，得到的权重为最优权重、适应度函数的值为最小值，将最优权重作为对应基本学习器的权重，最终的多个基本学习器构成集成模型，否则，重新给定权重后，再执行步骤3.3。

全文数据：

权利要求：

百度查询： 中国工程物理研究院计算机应用研究所 南京航空航天大学 基于集成学习的锂电池剩余使用寿命预测方法及系统