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：西北工业大学
申请日：2024-04-15
公开（公告）日：2024-06-21
公开（公告）号：CN118226297A
主分类号：G01R31/387
分类号：G01R31/387;G01R31/367;G06N3/0442;G06N3/045;G06N3/0464;G06N3/084
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了一种基于空间注意力和卷积LSTM的锂电池SOC估计方法，包括：获取锂电池的运行数据；将空间注意力机制引入LSTM神经网络结构中，基于所述空间注意力机制和所述运行数据，计算得到注意力分布系数；基于所述注意力分布系数，得到注意力机制重置后的输入信息；将卷积模块引入LSTM神经网络结构中，基于所述卷积模块，提取所述LSTM神经网络中输入层与隐藏层的耦合信息；基于所述耦合信息依次输入LSTM神经网络结构中，得到隐藏层输出结果；基于所述隐藏层输出结果，得到锂电池健康状态的评估结果。本发明不仅考虑了时间步长之间的特征相关性，还引入了数据的空间相关性信息，提高了模型的估计准确度。
主权项：1.一种基于空间注意力和卷积LSTM的锂电池SOC估计方法，其特征在于，包括：获取锂电池的运行数据；将空间注意力机制引入LSTM神经网络结构中，基于所述空间注意力机制和所述运行数据，计算得到注意力分布系数；基于所述注意力分布系数，得到注意力机制重置后的输入信息；将卷积模块引入LSTM神经网络结构中，基于所述卷积模块，提取所述LSTM神经网络中输入层与隐藏层的耦合信息；基于所述耦合信息依次输入LSTM神经网络结构中，得到隐藏层输出结果；基于所述隐藏层输出结果，得到锂电池健康状态的评估结果。
全文数据：
权利要求：
百度查询： 西北工业大学 基于空间注意力和卷积LSTM的锂电池SOC估计方法
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