一种基于深度学习算法的锂离子电池剩余寿命在线预测方法.pdfVIP

下载本文档

2
0
约1.41万字
约 16页
2023-05-18 发布于北京
举报
版权申诉

一种基于深度学习算法的锂离子电池剩余寿命在线预测方法.pdf

1、本文档共16页，其中可免费阅读15页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于深度学习算法的锂离子电池剩余寿命在线预测方法，本发明基于深度学习方法，首先通过大量离线电池数据集对深度学习网络进行训练，后以在线阶段采集得到的放电曲线片段作为数据输入，基于离线阶段优化完毕的深度学习网络，通过结合信号处理方法和迁移学习技术得到电池的剩余寿命，进而可推断出在线使用中电池的健康状态并进行电池管理；不同于传统的纯理论计算和经验模型预测，本发明剩余寿命预测模型基于深度学习网络，避免对于电池内部的物理化学模型和数学模型的依赖，提高了预测方法的鲁棒性和普适性，同时有效降低

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114839540 A (43)申请公布日 2022.08.02 (21)申请号 202210534892.8 (22)申请日 2022.05.17 (71)申请人西安交通大学地址 710049