龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：湖南大学
申请日：2024-03-27
公开（公告）日：2024-06-18
公开（公告）号：CN117949832B
主分类号：G01R31/367
分类号：G01R31/367;B60L58/16;G01R31/392
优先权：
专利状态码：有效-授权
法律状态：2024.06.18#授权;2024.05.17#实质审查的生效;2024.04.30#公开
摘要：本发明公开了一种基于优化神经网络的电池SOH分析方法，包括获取车辆运行原始数据进行预处理得到电池特征样本；基于电池特征样本对BP神经网络的输入层进行设计，确定BP神经网络各层结构；结合粒子群算法对BP神经网络的网络参数进行训练得到初步更新的BP神经网络，将电池特征样本输入至初步更新的BP神经网络再次进行训练，再根据预设的损失函数进行反向传播，得到更新后的BP神经网络预测模型；将更新后的BP神经网络预测模型在云平台进行算法部署，获取实时电池特征样本并输入至云平台，分析得到电池SOH预测结果。解决BP神经网络具有大量参数、调参困难、训练时间长的问题，具有较好的模型表达能力，提高数据处理响应速度。
主权项：1.一种基于优化神经网络的电池SOH分析方法，其特征在于，所述方法包括以下步骤：S100：获取车辆运行原始数据，对车辆运行原始数据进行预处理得到电池特征样本；S200：基于电池特征样本对BP神经网络的输入层进行设计，确定BP神经网络各层结构，每个特征作为输入层的一个节点；S300：结合粒子群算法对BP神经网络的网络参数进行训练，当达到预设的第一结束条件时，得到初步更新的BP神经网络，将预处理得到的电池特征样本输入至初步更新的BP神经网络再次进行训练，再根据预设的损失函数进行反向传播，直至达到预设的第二结束条件，得到更新后的BP神经网络预测模型；S400：将更新后的BP神经网络预测模型在云平台进行算法部署，获取实时电池特征样本并输入至云平台，分析得到电池SOH预测结果；S200包括：基于联网车辆的规模、车载动力电池包电芯采集的电压值数量、车载动力电池包温度采集的温度值数量、电池特征样本的数量以及输出层的节点的数量对BP神经网络隐藏层神经元节点个数进行确定：；其中，是隐藏层神经网络节点数量，是联网车辆规模数量，是车载动力电池包电芯采集的电压值数量，是车载动力电池包温度采集的温度值数量，是输出层的节点的数量，是动力电池特征样本的数量，是根据K-fold的数据进行确定的数值。
全文数据：
权利要求：
百度查询： 湖南大学 一种基于优化神经网络的电池SOH分析方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号