CN119535227A 一种基于多系数融合的锂电池健康状态估计方法 (桂林电子科技大学)_第1页
CN119535227A 一种基于多系数融合的锂电池健康状态估计方法 (桂林电子科技大学)_第2页
CN119535227A 一种基于多系数融合的锂电池健康状态估计方法 (桂林电子科技大学)_第3页
CN119535227A 一种基于多系数融合的锂电池健康状态估计方法 (桂林电子科技大学)_第4页
CN119535227A 一种基于多系数融合的锂电池健康状态估计方法 (桂林电子科技大学)_第5页
已阅读5页,还剩9页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于多系数融合的锂电池健康状态估本发明提出了一种基于多系数融合的锂电尔曼相关系数以及互信息确定各维度特征与标通过经典的深度学习模型残差网络进行锂电池寿命以及安全性评估提供了重要的现实意义和2步骤1.将已公开锂电池充电数据转化为67维度手工特征序列数据集划分为训练集与步骤2.将划分好的训练集中各维度特征与标签分别通过皮尔关系数以及互信息三种系数分析法进行计算并根据计算后的相关性值进步骤4.将误差量化分析构建的判断矩阵通过层次分析法进行计算得出各分析法的权步骤7.将待测锂电池充电序列数据中选中的维度特征输入到已经训练好的残差网络2.根据权利要求1所示的一种基于多系数融合的锂电池健康状态估计方法,其特征在3.根据权利要求1所述的一种基于多系数融合的锂电池健康状态估计方法,其特征在4.根据权利要求1所述的一种基于多系数融合的锂电池健康状态估计方法,其特征在4_1.将排序后的特征序列输入到模型中进行训练,获得不同相关系数法下的误差矩4_2.根据误差矩阵中的最小误差和最大4_3.根据4_2步骤中的5个量化区间找到皮尔逊相关系数和斯皮尔曼相关系数对应的5.根据权利要求1所述的一种基于多系数融合的锂电池健康状态估计方法,其特征在6.根据权利要求1所述的一种基于多系数融合的锂电池健康状态估计方法,其特征在7.根据权利要求1所述的一种基于多系数融合的锂电池健康状态估计方法,其特征在8.根据权利要求1所述的一种基于多系数融合的锂电池健康状态估计方法,其特征在34[0005]步骤1.将已公开锂电池充电数据转化为67维度手工特征序列数据集划分为训练曼相关系数以及互信息三种系数分析法进行计算并根[0008]步骤4.将误差量化分析构建的判断矩阵通过层次分析法进行计算得出各分析法[0011]步骤7.将待测锂电池充电序列数据中选中的维度特征输入到已经训练好的残差5[0019]图1是本发明所提出的一种基于多系数融合的锂电池健康状态估计方法流程示意[0021]图3是本发明所提出的方法运用层次分析法选中的10维序列特征,随机选取的一[0022]图4是本发明所提出的方法对于已公开的锂电池67维度手工特征序列数据集中测试集得出的平均绝对误差以及平均绝对百分比误差所画[0024]请参阅图1,本发明所提出的一种基于多系数融合的锂电池健康状态估计方法流6[0037]步骤5.选择电池健康状态训练估计误差中最小值对应的维度特征作为最终选择互信息所计算出的相关性值的排序后的前10维特征的左图平均绝对误差MAE和右图平均绝

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论