本发明提供了一种基于量子神经网络的锂离子电池容量非线性退化预测方法,其包括:以量子神经元为基本单元,构建以编码器与解码器为基本结构的QREDNN模型,定义损失函数和优化方法,对数据进行预处理并划分为训练集与测试集,将预处理后的数据输入QREDNN模型中对参数进行训练,采用QREDNN模型对锂离子电池的容量退化趋势进行预测,所述QREDNN模型包括编码器Encoder、解码器Decoder和语义变量。本发明在传统数据驱动方法的基础上,借助量子计算基本原理,利用量子旋转矩阵表征权重值建立量子神经元模型,对于异常锂离子电池的容量退化趋势具有较好的非线性拟合能力,对于正常锂离子电池的预测效果优于经典模型。
声明:
“基于量子神经网络的锂离子电池容量非线性退化预测方法” 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)