买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东工业大学

摘要：本发明涉及电池SOH评估技术领域，尤其涉及一种基于双通半监督迁移学习框架的电池SOH评估模型构建方法，通过获取包括多个标注SOH标签的第一电池数据样本的第一训练数据集和包括多个未标注SOH标签的第二电池数据样本的第二训练数据集；构建GBLS‑Booster模型和Fuzzy‑BLS模型，并采用第一训练数据集和第二训练数据集进行训练，得到第一伪标签集和第二伪标签集；结合半监督学习和迁移学习，引入流形正则化原理，并采用第一伪标签集和第二伪标签集对GBLS‑Booster模型和Fuzzy‑BLS模型进行交叉训练，得到并结合MR‑GBLS‑Booster模型和MR‑Fuzzy‑BLS模型，得到电池SOH评估模型。通过本发明构建一种能够利用无标签数据、处理数据分布不一致问题以及提高健康因子特征可解释性的新型模型，以改进电池SOH评估的准确性和可靠性。

主权项：1.一种基于双通半监督迁移学习框架的电池SOH评估模型构建方法，其特征在于，包括以下步骤：S1、获取第一训练数据集和第二训练数据集；其中，所述第一训练数据集包括多个标注SOH标签的第一电池数据样本，所述第二训练数据集包括多个未标注SOH标签的第二电池数据样本，所述第一电池数据样本为在原始数据集的3.75至3.85V充电电压数据中提取的健康因子，所述健康因子分为三种：第一种是电压模糊熵FEΔv，为充电过程中电压从3.75V变化到3.85V的不确定性；第二种是等压充电时间TΔv，为充电过程中电压从3.75V变化到3.85V所需要的时间；第三种是电压标准差StdΔv，为充电过程中电压从3.75V变化到3.85V的标准差；S2、构建GBLS-Booster模型和Fuzzy-BLS模型，并采用第一训练数据集和第二训练数据集进行训练，得到第一伪标签集和第二伪标签集；S21、将第一训练数据集使用GBLS-Booster训练，得到GBLS-Booster模型；S22、将第一训练数据集使用Fuzzy-BLS训练，得到Fuzzy-BLS模型；S23、将GBLS-Booster模型对第二训练数据集进行预测，得到第一伪标签集；S24、将Fuzzy-BLS模型对第二训练数据集进行预测，得到第二伪标签集；S3、结合半监督学习和迁移学习，引入流形正则化原理，并采用第一伪标签集和第二伪标签集对GBLS-Booster模型和Fuzzy-BLS模型进行交叉训练，得到MR-GBLS-Booster模型和MR-Fuzzy-BLS模型；S31、将第一伪标签集和第一训练数据集混合得到第一混合数据集；S32、将第二伪标签集和第一训练数据集混合得到第二混合数据集；S33、结合半监督学习和迁移学习，引入流形正则化原理，将第一混合数据集对Fuzzy-BLS模型进行训练，得到MR-Fuzzy-BLS模型；S34、结合半监督学习和迁移学习，引入流形正则化原理，将第二混合数据集对GBLS-Booster模型进行训练，得到MR-GBLS-Booster模型；S4、结合MR-Fuzzy-BLS模型和MR-GBLS-Booster模型，得到电池SOH评估模型；将MR-Fuzzy-BLS模型的预测值和MR-GBLS-Booster模型的预测值取平均值，作为电池SOH评估模型的电池SOH评估值。

全文数据：

权利要求：

百度查询： 广东工业大学 基于双通半监督迁移学习框架的电池SOH评估模型构建方法