本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的
鋰電池健康狀態(tài)估計(jì)方法。該方法基于遷移學(xué)習(xí)使用加速老化實(shí)驗(yàn)的完整循環(huán)數(shù)據(jù)和廢棄電池壽命周期中最后一小部分約7.5%循環(huán)數(shù)據(jù)來離線地預(yù)訓(xùn)練一個基礎(chǔ)模型,然后使用新電池前面僅15%循環(huán)的正常速度老化數(shù)據(jù)對基礎(chǔ)模型的參數(shù)進(jìn)行微調(diào),從而對該電池任意一個時刻的健康狀態(tài)進(jìn)行在線估計(jì)。由于加速老化實(shí)驗(yàn)大大縮短了電池壽命,廢棄電池的最后一小部分循環(huán)數(shù)據(jù)容易獲取,新電池的前面15%循環(huán)數(shù)據(jù)也容易獲取,因此節(jié)省了大量的收集訓(xùn)練數(shù)據(jù)的時間,并且減小了模型輸入數(shù)據(jù)的大小,使得計(jì)算過程更加快速。
聲明:
“基于卷積神經(jīng)網(wǎng)絡(luò)和遷移學(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,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)