龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：南通乐创新能源有限公司
摘要：本发明公开一种基于SMOE模型和电池数据进行SOH和RUL联合预测方法，包括如下步骤：S1.测试并采集电池电流、电压、温度和容量数据。S2.构建SMOE模型：包括多个专家子模型和一个门控网络模型；每个子模型均是CNN‑Transformer模型，并且选取概率最高的2个子专家参与计算。S3.训练和校验SMOE模型：在Keras平台实现SMOE模型代码并训练，训练数据按8：2的比例分成训练集合和测试集合。S4.预测电池SOH和RUL：在模型训练完毕之后，部署模型并对电池的SOH和RUL进行预测。本发明兼顾多目标预测、多专家模型、精度、效率和鲁棒性等综合优势，能够高性能高效率预测电池SOH和RUL。
主权项：1.一种基于SMOE模型和电池数据进行SOH和RUL联合预测方法，其特征在于，包括如下步骤：步骤S1.测试并采集电池电流、电压、温度和容量数据：采集数据时，记录电池的电流、电压和温度数据，以及需要预测的目标值，这里是相对应的电池SOH和RUL；步骤S2.构建SMOE模型：SMOE模型包括多个专家子模型和一个门控网络模型；使用5个专家子模型，每个子模型均是CNN-Transformer模型，并且选取概率最高的2个子专家参与计算；CNN模型提取输入数据的空间特征，CNN可以自动学习输入数据的空间相关性，提取高层抽象特征；Transformer模型建模电池EIS数据的时间相关模式；步骤S3.训练和校验SMOE模型：在Keras平台实现SMOE模型代码并训练，训练数据按8：2的比例分成训练集合和测试集合，在训练集合上训练模型，在测试集合上校验模型；步骤S4.预测电池SOH和RUL：在SMOE模型训练完毕之后，在模型效果良好的前提下，部署SMOE模型，并使用SMOE对电池的SOH和RUL进行预测。
全文数据：
权利要求：
百度查询： 南通乐创新能源有限公司 一种基于SMOE模型和电池数据进行SOH和RUL联合预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号