公开(公告)号：CN117420442A

公开(公告)日：2024-01-19

申请号：CN202311468774.2

申请日：2023-11-07

Applicant: 长安大学

Inventor： 雷旭 ,  李建新 ,  高瑞年 ,  秦海龙 ,  谢方建 ,  王佳龙 ,  石玲霞 ,  惠琛星 ,  张江江 ,  程吉东 ,  郭玉龙 ,  潘嘉楠

IPC: G01R31/367 ,  G01R31/392 ,  G06N3/045 ,  G06N3/0442 ,  G06F18/27 ,  G06F17/18

Abstract: 本发明公开了一种基于MNQ‑LSTM的电池剩余寿命预测方法，涉及电池RUL预测技术领域，包括步骤：通过电池样本数据创建带有右侧截断的T型数据，利用LSTM和MQ‑DNN构建多个非交叉分位数长短期记忆网络MNQ‑LSTM，对MQ‑DNN中的隐藏层添加批量标准化层、dropout层和高斯噪声层；将T型数据作为输入特征输入MNQ‑LSTM中输出K个节点，获得不交叉的RUL点预测的分位数，进行RUL点估计和概率预测；通过RUL点估计和概率预测获得电池寿命的预测结果。本发明对RUL分布以及退化过程进行概率预测，每个电池通过计算多个分位数水平，可以高精度和平滑地推导RUL概率密度分布的估计。

公开(公告)号：CN117388714A

公开(公告)日：2024-01-12

申请号：CN202311468771.9

申请日：2023-11-07

Applicant: 长安大学

Inventor： 雷旭 ,  高瑞年 ,  李建新 ,  秦海龙 ,  谢方建 ,  王佳龙 ,  石玲霞 ,  惠琛星 ,  张江江 ,  程吉东 ,  郭玉龙 ,  潘嘉楠

IPC: G01R31/367 ,  G01R31/392 ,  G06T7/00 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明提供了一种基于数据特征图像的电池寿命预测方法，涉及电池寿命预测技术领域，包括步骤：获取电池的图像数据，构建胶囊网络，使用图像数据训练胶囊网络，利用迁移学习将训练后的胶囊网络中的知识转移到新网络，从电池图像数据集中提取电池图像的需要识别的特征，将变换矩阵应用于第一个胶囊层的输出，将输出结果与耦合系数相乘，获得每个胶囊的输出，使用胶囊网络模型预测待检测正常状态电池的健康状态和剩余使用寿命，对电池健康状况评估。本发明基于图像的健康预后估计方法减少了预处理工作，从而减少了数据集中人为引起的偏差，提高预测效果。