本发明提供了一种基于多层核超限学习机的
锂电池温度场预测模型的建模方法,其特征在于,包括如下步骤:步骤一:建立基于ML‑KELM对时间域进行非线性变换的第一模型,并确定时间系数a的获取方法;步骤二:建立基于K‑ELM的重构模型,并采用检测到的锂电池的第一训练数据采用步骤一中的时间系数a的获取方法计算出对应的时间系数,并将计算出的时间系数a输入到所述重构模型中对所述重构模型进行训练;步骤三:基于OS‑ELM建立在线低阶时序模型,对所述在线低阶时序模型进行训练和在线学习并更新在线低阶时序模型的输出权重;步骤四:在OS‑ELM模型在线学习完成后,根据更新后的输出权重计算预测的时间系数步骤五:将得到的预测的时间系数代入到步骤二中的重构模型中,即可实现对锂电池的温度场的预测:该建模方法能够对锂电池温度场预测模型的建模,通过所建的模型能够根据锂电池的输入数据准确地对温度场进行预测。
声明:
“基于多层核超限学习机的锂电池温度场预测模型的建模方法、预测模型以及预测方法” 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)