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：南京工业大学

摘要：本发明公开一种动力电池剩余寿命预测方法，获取电池相关监测数据，构建特征数据；构建由特征近似单元、双向门控循环单元BiGRU和全连接单元组成的混合神经网络BiGRU‑NN预测模型；设计专家知识模块，将专家知识嵌入BiGRU‑NN混合神经网络模型；将构建的特征数据输入专家知识嵌入式BiGRU‑NN混合神经网络模型中进行训练，获得预训练模型；面对新任务时，采用少量有标签数据对预训练模型参数进行微调，获得预测模型；将新任务数据输入预测模型，获得剩余容量预测结果并判断其中达到失效阈值的点，获得电池剩余寿命RUL。本发明能够兼顾多种因素对预测结果的影响，提升了模型的预测准确度；实现数据信息与专家知识的有效融合。

主权项：1.一种动力电池剩余寿命预测方法，其特征在于，包括以下步骤：步骤S1、获取电动汽车动力电池的监测数据，并构建特征数据；上述特征数据包括放电时1000s内的电压下降数值、以及温度达到峰值、电压达到最低点和电压降至3.5V的时间，同时对特征数据进行归一化处理，得到xt＝{xt+1,xt+2,…,xt+u}；步骤S2、构建由特征近似单元、双向门控循环单元BiGRU和全连接单元组成的混合神经网络BiGRU-NN预测模型；上述特征近似单元包括编码器与解码器，将特征数据xt＝{xt+1,xt+2,…,xt+i}输入编码器中，并进行压缩获得特征zi；特征zi浓缩有原始特征信息；特征zi再经过解码器，高维映射重构出信号由于特征与特征之间分布不同，通过相似性逼近获得具有更强表现能力特征，以增强模型的鲁棒性；对于编码器与解码器过程公式如下所示：zi＝fiWTxt+b 式中，W为编码器权重矩阵；b为编码器的偏置项，W′为解码器的权重矩阵；b′为解码器的偏置项；fi，fj为激活函数；损失函数定义如下： 式中，D·为相似度度量函数，λ为权重值；上述双向门控循环单元BiGRU包括：输入层、前向隐藏层、后向隐藏层和输出层；所述输入层接收电池的特征数据；所述前向隐藏层通过前向GRU函数来获取前向隐藏层的状态；所述后向隐藏层通过后向GRU函数来获取后向隐藏层的状态；所述输出层将前向隐藏层与后向隐藏层的状态融合，获取输出数据；获取前向隐藏层和后向隐藏层的状态的具体公式如下： 式中，为t-1时刻的前向隐藏层的状态，为t-1时刻的后向隐藏层的状态；为t时刻的前向隐藏层的状态，为t时刻的后向隐藏层的状态；输出层获得输出数据ht的方法为： 式中，为t时刻前向隐藏层状态的权重，为t时刻后向隐藏层状态的权重；bt是t时刻隐藏层状态的偏置；上述全连接单元以全连接神经网络为基础，桥接输入数据、特征近似单元和双向门控循环单元，保证预测的连贯性；步骤S3、设计专家知识模块，利用特征逼近的方式，使得专家知识嵌入步骤S2的BiGRU-NN混合神经网络模型；步骤S4、将步骤S1构建的特征数据输入步骤S3所获得的专家知识嵌入式BiGRU-NN混合神经网络模型中进行训练，获得预训练模型；步骤S5、面对新任务时，采用少量有标签数据对步骤S4获得的预训练模型参数进行微调，获得预测模型；步骤S6、将新任务数据输入步骤S5获得的预测模型，获得剩余容量预测结果，并判断其中达到失效阈值的点，获得电池剩余寿命RUL。

全文数据：

权利要求：

百度查询： 南京工业大学 一种动力电池剩余寿命预测方法