CN119224598B 一种电池剩余寿命预测方法、装置、设备及介质 （杭州科工电子科技股份有限公司）

剩余寿命预测模型输出的之后每一次充放电循测锂电池的剩余电池容量到达预设容量时所需模型对于电池剩余循环寿命的预测具有鲁棒性2获取待检测锂电池的充放电循环数据，并对充将容量序列特征输入至训练好的电池剩余寿命预测模型中，得到由模型输出的之后每一次充放电循环后的待检测锂电池的剩所述电池剩余寿命预测模型是通过样本锂电池的样本长期趋势序列是对容量序列特征进行变分模态分解后得到的，容量序根据每一次样本充放电循环后的待检测锂电池的剩余电池容量与初始样本充放电循根据剩余电池容量到达预设容量时所需的充放电循环次数以及当前次充放电循环对所述电池剩余寿命预测模型通过以下步骤训练得获取样本锂电池的样本充放电循环数据，并对样本充放电循环数将样本容量序列特征分解为预设数量的具有不同中心频率和有限带宽的样本本征模马夸尔特法算法以及粒子群调整算法调整双高斯模型的衰减参数，对双高斯模型进行训将样本本征模态中的样本波动作为训练使用的输入数据，通过向所述粒子群调整算法训练双高斯模型的衰减参数对经过所述列文伯格一马夸尔特法算法调整后的衰减参数添加预设根据预设的适应度函数确定每个粒子的适应度值，并根据适应度体最优位置和群体最优位置，直至达到第二迭代次数或者粒子的适应度值小于预设残差通过变分模态分解算法将样本容量序列特征分解为预设数量的具有不同中心频率和3有限带宽的样本本征模态；所述样本本征模态包括一个样本长期趋势序列和两个样本波判断衰减参数的更新量是否小于预设值或者参数更新的迭代次数是否达到第一预设确定满足收敛条件或者达到第一预设次数时，停止更新衰将样本本征模态中的样本波动输入到多层感知器的隐藏层中进行向根据多层感知器的损失函数并采用梯度下降法反向序列提取模块，用于获取待检测锂电池的充放电循环数容量预测模块，用于将容量序列特征输入至训练好的电池剩余寿由电池剩余寿命预测模型输出的之后每一次充放电循环后的待检测锂电池的剩余电池容所述电池剩余寿命预测模型是通过样本锂电池的样本4长期趋势序列是对容量序列特征进行变分模态分解后得到的，容量序循环确定模块，用于根据每一次样本充放电循环后的待检测锂寿命预测模块，用于根据剩余电池容量到达预设容量时所需所述电池剩余寿命预测模型通过以下步骤训练得获取样本锂电池的样本充放电循环数据，并对样本充放电循环数将样本容量序列特征分解为预设数量的具有不同中心频率和有限带宽的样本本征模马夸尔特法算法以及粒子群调整算法调整双高斯模型的衰减参数，对双高斯模型进行训将样本本征模态中的样本波动作为训练使用的输入数据，通过向所述粒子群调整算法训练双高斯模型的衰减参数对经过所述列文伯格一马夸尔特法算法调整后的衰减参数添加预设根据预设的适应度函数确定每个粒子的适应度值，并根据适应度体最优位置和群体最优位置，直至达到第二迭代次数或者粒子的适应度值小于预设残差7.一种电子设备，包括存储器、处理器及被处理器执行时实现如权利要求1至5任一项所述电池剩余寿命预测5预测模型输出的之后每一次充放电循环后的待检测锂电池的[0008]所述电池剩余寿命预测模型是通过样本锂电池的样本充放电循环数据训练得到[0010]根据每一次样本充放电循环后的待检测锂电池的剩余电池容量与初始样本充放6[0011]根据剩余电池容量到达预设容量时所需的充放电循环次数以及当前次充放电循[0013]获取样本锂电池的样本充放电循环数据，并对样本充放[0014]将样本容量序列特征分解为预设数量的具有不同中心频率和有限带宽的样本本格马夸尔特法算法以及粒子群调整算法调整双高斯模型的衰减参数，对双高斯模型进行[0018]通过变分模态分解算法将样本容量序列特征分解为预设数量的具有不同中心频[0028]判断衰减参数的更新量是否小于预设值或者参数更新的迭代次数是否达到第一7[0036]根据多层感知器的损失函数并采用梯度下降法反向得出每一隐藏层的权重和偏[0040]容量预测模块，用于将容量序列特征输入至训练好的电得到由电池剩余寿命预测模型输出的之后每一次充放电循环后的待检测锂电池的剩余电[0041]所述电池剩余寿命预测模型是通过样本锂电池的样本充放电循环数据训练得到8述计算机程序被处理器执行时实现如上述任一项所述电池剩余寿命预测方利用变分模态分解将从待检测锂电池的充放电循环数据中提取得到的容量序列特征分解池剩余寿命预测模型对于电池剩余循环寿命的预测具有鲁棒性和更高的IMFIMF[0050]图2示出了本发明提供的电池剩余寿命预测方法中经过VMD算法分解出的模[0051]图3示出了本发明提供的电池剩余寿命预测方法中经过VMD算法分解出的模[0052]图4示出了本发明提供的电池剩余寿命预测方法中经过VMD算法分解出的模9[0063]在本实施例中，预处理时首先会从样本充放电循环数据[0064]在本实施例中，待检测锂电池的充放电循环数据可以是寿命预测模型输出的之后每一次充放电循环后的待检测锂尔特法（Levenberg_Marquardt，L_M）算法以及粒子群调整算法（ParticleSwarmOptimization，PSO）进行衰减参数调整后的双高斯模型以及多层感知器（Multilayer[0068]其中，长期趋势序列是对容量序列特征进行变分模态分解（VariationalMode[0069]VMD算法可以将样本容量序列特征分解为预设数量的具有不同中心频率和有限带放电循环数据中提取得到容量序列特征后，通过VMD算法进行模态分解，分解得到三个模IMFS表示容量序列特征的第二波动。VMD可以有效地解耦原始容量序列中的不同信息分[0070]通过以上两种模块的集成能有效减少电池剩余寿命预测模型对后续循环的预测[0071]S30、根据每一次样本充放电循环后的待检测锂电池的剩余电池容量与初始样本[0072]S40、根据剩余电池容量到达预设容量时所需的充放电循环次数以及当前次充放RULi=kro,-ki[0075]其中，RULi表示当前充放电循环的剩余电池循环寿命；表示剩余电池容量达到预设容量时所需的充放电循环次数，即利用kroc代表剩余电池容量跌至某一个循环[0080]A20、将样本容量序列特征分解为预设数量的具有不同中心频率和有限带宽的样t表示时间；ux(t)表示t时刻的样本本征模态；AK(t)表示t时刻的瞬时振(t)[0096]在本实施例中，通过交替向乘子法（AlternatingDirectionMethodoff()u()的傅里叶变换；表示u"t1的傅里叶变换。骤B20至步骤B60直至满足收敛条件或者达到第f"粒子的个体最优位置pbest和群体最优位置Gbest，直至达到第二迭代次数Tmax=100或t+1轮迭代第i粒子在第d维度上的速度；表示第t轮迭代第i粒子在第d维度上的速"")表示第t+1轮迭代第i粒子在第d维度上的位置。[0139]适应度函数f(x)用于评估每个粒子i即每组衰减参数的优劣，对于双高斯模型，应的衰减参数；k;=(k1,kz,……,kn)为样本充放电循环数据的独立自变量数据集；y=(J1,y2,……,%)同样为[0146]D10、将样本本征模态中的样本波动也就是第一波动IMF和第二波动IMFS整合后的结果；g(-)表示激活函数；表示MLP的第m层第j个神经元的权重；a?-1表示第m-1层第i个神经元的输出；y"表示第m层第j个神经元的偏置。[0154]通过梯度下降法逐层迭代获取满足精度要求的MLP参数，得到神经元的权重和偏[0155]在训练模型时，将选用的锂电池所采集到的历史充放电循环数据中前25%的数据中前400个历史充放电循环数据作为样本充放电循环数据，利用电池剩余寿命预测模型进联合预测模型预测的电池剩余寿命终点与实际寿命终点相差3个循环，预测的电池寿命终[0157]VMD变分模态分解将原始容量序列分解成长期趋势序列和一系列本征模态函数，在长期趋势序列上应用双高斯模型能够消除容量再生引起的短期波动对于预测序列长期将从待检测锂电池的充放电循环数据中提取得到的容量序列特征分解成一个长期趋势序模型对于电池剩余循环寿命的预测具有鲁棒性和更高的预测余寿命预测装置与上文描述的电池剩余寿命预测方是根据本发明实施例的电池剩余寿命预测装置的结构示意图，如图8所示，该装置可以包[0162]在本实施例中，预处理时首先会从样本充放电循环数据[0163]在本实施例中，待检测锂电池的充放电循环数据可以是[0164]容量预测模块20，用于将容量序列特征输入至训练好的电池剩余寿命预测模型[0165]在本实施例中，电池剩余寿命预测模型具有两大模块，分别为经过L_M算法以及PSO算法进行衰减参数调整后的双高斯模[0168]VMD算法可以将样本容量序列特征分解为预设数量的具有不同中心频率和有限带放电循环数据中提取得到容量序列特征后，通过VMD算法进行模态分解，分解得到三个模IMFS表示容量序列特征的第二波动。VMD可以有效地解耦原始容量序列中的不同信息分[0169]通过以上两种模块的集成能有效减少电池剩余寿命预测模型对后续循环的预测以及当前次充放电循环对应的充放电循环次数，确定当前充放电循环的剩余电池循环寿将从待检测锂电池的充放电循环数据中提取得到的容量序列特征分解成一个长期趋势序模型对于电池剩余循环寿命的预测具有鲁棒性和更高的预测预测模型输出的之后每一次充放电循环后的待检测锂电池的[0176]根据每一次样本充放电循环后的待检测锂电池的剩余电池容量与初始样本充放[0177]根据剩余电池容量到达预设容量时所需的充放电循环次数以及当前次充放电循[0178]此外，上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以预测模型输出的之后每一次充放电循环后的待检测锂电池的[0182]根据每一次样本充放电循环后的待检测锂电池的剩余电池容量与初始样本充放[0183]根据剩余电池容量到达预设容量时所需的充放电循环次数以及当前次充放电循序，该计算机程序被处理器执行时实现以执行上述各提供的以执行电池剩余寿命预测方预测模型输出的之后每一次充放电循环后的待检测锂电池的[0187]根据每一次样本充放电循环