本发明公开了一种基于贝叶斯混合神经网络的电池剩余使用寿命预测方法。首先收集
锂电池充放电过程中的运行数据,本发明在特征提取方面采用格拉姆角场的方法进行特征提取,将电池历史剩余容量序列转换成时间序列图片来丰富信息和降低测量噪声;在模型构造方面,将贝叶斯估计与深度学习方法融合,构建贝叶斯混合神经网络,其主要包括用于贝叶斯长短期记忆网络、贝叶斯卷积神经网络和贝叶斯深度神经网络。本发明克服了传统电池剩余寿命预测算法处理不平衡和小样本数据能力差、泛化性较弱、长期预测精度低的劣势,提高了电池剩余寿命预测的精准度。
声明:
“基于贝叶斯混合神经网络的电池剩余使用寿命预测方法” 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)