本发明公开一种基于HI和ANN的锂离子电池RUL预测方法,首先搜索充放电过程中所有已经测量到的电压、电流、温度等,根据数据不同特性,提出不同的特征提取方法获取与容量相关的HI。针对提取后的HI中可能出现的异常值,根据异常值所在的位置,采用常见的平均值替代法及归一化替代法。然后,基于修正后的各项HI与容量之间的Pearson相关系数进行最优特征选择,选出值最大的作为最优的HI。最后,从时间序列HI的形状特征、时间依赖特性、序列变换特征3个方面来构建神经网络,从而实现RUL的预测。本发明所用的提取方法较为简单;降低后续网络训练和预测成本;降低了噪声对于序列的干扰,提高了预测精度。
声明:
“基于HI和ANN的锂离子电池RUL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)