本发明提出了一种基于端到端深度学习的
锂电池健康状态估计方法。该方法搭建了空洞卷积与双向LSTM结合的网络模型,令模型在增大网络层感受野的同时,能够获取更加丰富的时间序列样本信息,有效提升了电池健康状态的估计精度。并且使用了美国宇航局(NASA)预测卓越中心的电池预测数据集对模型进行训练与效果验证。首先将原始数据经过预处理后输入三个级联的空洞卷积模块与一个双向LSTM层,然后对网络模型进行训练并仿真验证,保存网络权重参数,最后将训练好的网络模型在测试集上进行测试,得到电池健康状态估计结果。
声明:
“基于端到端深度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)