-
公开(公告)号：CN113884900A
公开(公告)日：2022-01-04
申请号：CN202111066744.X
申请日：2021-09-13
申请人： 北京交通大学
IPC分类号： G01R31/371
摘要： 本发明公开了一种三元锂离子电池容量突变点预测方法，从已有的电池加速老化数据中提取与新的电池具有相同加速老化模式的迁移样本，用于训练机器学习模型，最终预测新的电池的容量突变点。锂离子电池容量突变点预测方法包括加速老化模式判断，迁移样本选择以及容量突变点预测。具体为从三元锂离子电池放电容量‑电压曲线，容量增量曲线，电压差分曲线的早期变化曲线上提取表征锂离子电池的健康状态的17个老化特征参数，然后利用机器学习算法对锂离子电池的加速老化模式进行早期诊断，然后根据加速老化模式判断结果从已有的电池加速老化数据中进行样本选择，利用迁移样本训练机器学习模型，最终对新的电池进行容量突变点预测。
-
公开(公告)号：CN114114049A
公开(公告)日：2022-03-01
申请号：CN202111157103.5
申请日：2021-09-30
申请人： 北京交通大学
IPC分类号： G01R31/392
摘要： 本发明公开了一种基于样本迁移的锂离子电池寿命预测方法，从已有的三元锂离子电池老化数据中提取与新电池具有共性知识的迁移样本用于辨识寿命模型参数，最终预测新电池的寿命。样本迁移方法包括老化模式判断，拐点预测以及样本选择。老化模式判断和拐点预测从三元锂离子电池放电容量‑电压曲线，容量增量曲线，电压差分曲线上提取表征锂离子电池的健康状态的17个特征参数，然后利用机器学习算法对锂离子电池的加速老化进行早期诊断以及拐点预测，然后根据加速老化判断和拐点预测结果已有的三元锂离子电池老化数据中进行样本选择，利用迁移样本训练寿命模型辨识寿命模型参数，最终对新电池进行寿命预测。
-
公开(公告)号：CN113884900B
公开(公告)日：2022-08-23
申请号：CN202111066744.X
申请日：2021-09-13
申请人： 北京交通大学
IPC分类号： G01R31/371
摘要： 本发明公开了一种三元锂离子电池容量突变点预测方法，从已有的电池加速老化数据中提取与新的电池具有相同加速老化模式的迁移样本，用于训练机器学习模型，最终预测新的电池的容量突变点。锂离子电池容量突变点预测方法包括加速老化模式判断，迁移样本选择以及容量突变点预测。具体为从三元锂离子电池放电容量‑电压曲线，容量增量曲线，电压差分曲线的早期变化曲线上提取表征锂离子电池的健康状态的17个老化特征参数，然后利用机器学习算法对锂离子电池的加速老化模式进行早期诊断，然后根据加速老化模式判断结果从已有的电池加速老化数据中进行样本选择，利用迁移样本训练机器学习模型，最终对新的电池进行容量突变点预测。
-
公开(公告)号：CN114114049B
公开(公告)日：2022-10-18
申请号：CN202111157103.5
申请日：2021-09-30
申请人： 北京交通大学
IPC分类号： G01R31/392
摘要： 本发明公开了一种基于样本迁移的锂离子电池寿命预测方法，从已有的三元锂离子电池老化数据中提取与新电池具有共性知识的迁移样本用于辨识寿命模型参数，最终预测新电池的寿命。样本迁移方法包括老化模式判断，拐点预测以及样本选择。老化模式判断和拐点预测从三元锂离子电池放电容量‑电压曲线，容量增量曲线，电压差分曲线上提取表征锂离子电池的健康状态的17个特征参数，然后利用机器学习算法对锂离子电池的加速老化进行早期诊断以及拐点预测，然后根据加速老化判断和拐点预测结果已有的三元锂离子电池老化数据中进行样本选择，利用迁移样本训练寿命模型辨识寿命模型参数，最终对新电池进行寿命预测。
-
公开(公告)号：CN113848493A
公开(公告)日：2021-12-28
申请号：CN202111042948.X
申请日：2021-09-07
申请人： 北京交通大学
IPC分类号： G01R31/392
摘要： 本发明公开了一种基于机器学习的三元锂离子电池早期加速老化诊断方法，从三元锂离子电池放电容量‑电压曲线、放电IC曲线和放电DV曲线上提取表征三元锂离子电池的健康状态的17个老化特征参数，然后利用新的组合算法对三元锂离子电池的加速老化进行早期地准确诊断，首先通过随机森林选择重要特征，然后再通过线性相关分析降低重要特征线性相关性，最后通过逻辑回归模型判断加速老化，实现三元锂离子电池的加速老化早期准确诊断，从而在早期判断三元锂离子电池是否会发生加速老化，为锂离子电池的健康状态管理与健康状态评估提供重要的信息。
-
-
-
-
搜索结果
5 条记录 (耗时 0.029 秒)
