本发明公开了一种基于XGBoost算法的
锂电池剩余寿命预测方法,包括如下步骤:1)特征提取:对锂电池运行过程中产生的数据进行监测,从中提取锂电池充电的电压时间序列数据,并根据需要对提取的电压时间序列数据进行特征生成;2)构建模型:建立基于决策树的XGBoost模型,决策树采用分类与回归树CART;根据训练数据不断生成CART来拟合上一棵CART产生的残差,最终集成所有CART即为最终XGBoost集成模型;3)训练并预测:将所提取的特征送入基于决策树CART的XGBoost模型进行训练,并将训练后的模型用于锂电池RUL的预测。本发明通过引入集成算法,以决策树算法中的CART作为基础学习器,训练一系列CART并将其进行集成,提高了锂电池剩余使用寿命的预测性能。
声明:
“基于XGBoost算法的锂电池剩余寿命预测方法” 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)