本发明主要解决现有技术中,预测方法计算量大,预测结果精度低;提供一种基于LSTM‑FFNN的电动叉车锂离子电池健康状态预测方法,减少了训练模型所需的数据,提高了
锂电池健康状态预测的精度。包括以下步骤:建立基于LSTM的时间尺度参数预测模型,以预测放电过程中时间尺度参数开路电压V的变化;从时间尺度参数预测模型的开路电压V中提取循环尺度参数放电至最小电压的时间T
min;建立基于FFNN的循环尺度参数预测模型,以预测锂电池容量C,从而得到锂电池健康状态预测值SOH。结合了LSTM对长时间序列的预测能力和FFNN的算法简单性,实现了从时间尺度参数到循环尺度参数的预测,减少了训练模型所需的数据,提高了锂电池健康状态预测的精度。
声明:
“基于LSTM-FFNN的电动叉车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)