本发明公开了一种电动重卡
锂电池健康状态预测方法及装置,其中方法包括:获取电动重卡中若干个传感器采集的锂电池状态的原始数据,对原始数据进行数据预处理,消除数据紊乱、数据缺失和数据错误;对数据预处理后的原始数据进行计算,得到放电倍率和内阻,并进行数据归一化处理,得到归一化数据并划分为训练集数据和测试集数据,基于GA算法对BP神经网络模型进行优化,得到全局最优解,基于全局最优解对锂电池健康状态进行预测,得到锂电池健康状态值。解决了现有预测技术中锂电池内部相关数据难以获取、预测方法单一、预测结果容易陷入局部最优从而导致精度低等问题,提高了锂电池健康状态预测精度。
声明:
“电动重卡锂电池健康状态预测方法及装置” 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)