本发明公开了一种基于卷积神经网络和迁移学习的
锂电池健康状态估计方法。该方法基于迁移学习使用加速老化实验的完整循环数据和废弃电池寿命周期中最后一小部分约7.5%循环数据来离线地预训练一个基础模型,然后使用新电池前面仅15%循环的正常速度老化数据对基础模型的参数进行微调,从而对该电池任意一个时刻的健康状态进行在线估计。由于加速老化实验大大缩短了电池寿命,废弃电池的最后一小部分循环数据容易获取,新电池的前面15%循环数据也容易获取,因此节省了大量的收集训练数据的时间,并且减小了模型输入数据的大小,使得计算过程更加快速。
声明:
“基于卷积神经网络和迁移学习的锂电池健康状态估计方法” 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)