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：湘潭大学
摘要：本发明公开了一种基于样本卷积交互神经网络的二次电池SOH预测模型。该模型将二次电池的特征序列中与容量序列相关性最好的一组特征序列作为健康因子序列，并基于样本卷积交互模型构建二次电池SOH预测模型，然后通过均方根误差RMSE判断模型的预测结构并进行输出和优化。该模型采用二次电池的时间序列作为特征序列，通过在多个时间分辨率下迭代提取和交换信息，提取出更为精细的时序信息，能够显著提高预测的准确性和效率，且数据直接来源于在线检测过程，有效解决了现有技术中模型结构复杂、计算量大且需要利用电池劣化的先验知识等问题。
主权项：1.一种基于样本卷积交互神经网络的二次电池SOH预测模型，其特征在于，包括：步骤S1.获取二次电池的特征序列及容量序列，对特征序列进行去噪处理，然后与容量序列分别进行归一化处理；步骤S2.对归一化处理后的特征序列和容量序列进行相关性分析，从各特征序列中选择相关性最好的一组特征序列作为容量序列的健康因子序列，并将上述序列划分为训练集和测试集；步骤S3.根据样本卷积交互模型构建二次电池SOH预测模型，并采用S2所得训练集对该模型进行训练；步骤S4.采用S2所得测试集对S3所得预测模型进行测试，得到SOH的估计值，然后将循环周期容量的估计值反归一化得到循环周期容量的预测值；步骤S5.根据均方根误差RMSE判断神经网络预测结果并进行输出和优化；所述二次电池的特征序列包括：恒流充电时间、恒压充电时间和相同时间内电压上升值。
全文数据：
权利要求：
百度查询： 湘潭大学 一种基于样本卷积交互神经网络的二次电池SOH预测模型
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