本发明涉及锂离子电池检测技术领域,具体公开了一种基于CNN‑BiLSTM‑AT混合模型的锂离子电池健康状态预测方法,其中,方法包括:采集锂离子电池充放电过程中的参数数据,作为输入数据;对参数数据进行数据预处理,将数据划分为训练集和测试集;将训练集输入卷积神经网络中,经过卷积和池化操作,输出深层特征矩阵;深层特征矩阵输入双向长短期记忆神经网络中,通过正向和反向对其进行双向深度分析,建立数据过去和未来之间的相关性;添加注意力机制层,增强模型对特征信息的学习,为相关性更高的特征赋予更高的权重;训练CNN‑BiLSTM‑AT混合模型,输入测试集,全连接层输出锂离子电池SOH预测值;制定CNN‑BiLSTM‑AT混合模型预测精度和锂离子电池健康状态的评价标准,用来评判模型预测SOH值的准确性,并预测该锂离子电池的健康状态。
声明:
“基于CNN-BiLSTM-AT混合模型的锂离子电池健康状态预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)