本發(fā)明提出了一種基于端到端深度學(xué)習(xí)的
鋰電池健康狀態(tài)估計(jì)方法。該方法搭建了空洞卷積與雙向LSTM結(jié)合的網(wǎng)絡(luò)模型,令模型在增大網(wǎng)絡(luò)層感受野的同時(shí),能夠獲取更加豐富的時(shí)間序列樣本信息,有效提升了電池健康狀態(tài)的估計(jì)精度。并且使用了美國(guó)宇航局(NASA)預(yù)測(cè)卓越中心的電池預(yù)測(cè)數(shù)據(jù)集對(duì)模型進(jìn)行訓(xùn)練與效果驗(yàn)證。首先將原始數(shù)據(jù)經(jīng)過(guò)預(yù)處理后輸入三個(gè)級(jí)聯(lián)的空洞卷積模塊與一個(gè)雙向LSTM層,然后對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練并仿真驗(yàn)證,保存網(wǎng)絡(luò)權(quán)重參數(shù),最后將訓(xùn)練好的網(wǎng)絡(luò)模型在測(cè)試集上進(jìn)行測(cè)試,得到電池健康狀態(tài)估計(jì)結(jié)果。
聲明:
“基于端到端深度學(xué)習(xí)的鋰電池健康狀態(tài)估計(jì)方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請(qǐng)聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)