本发明公开了一种化学
储能电池PHM欠压故障预测方法,本发明首先对原始欠压数据进行预处理;其次进行数据探索,基于欠压故障数据探索各个特征值的分布情况,根据欠压发生的车辆状态以及SOC值和最低最高温度的分布对欠压状态进行初步判断;采用滑动窗口方法提取特征;采用长短期记忆神经网络即LSTM算法构建储能电池PHM欠压故障预测模型。通过对实车数据测试,研究结果表明该模型对化学储能电池的欠压故障预测精确率和召回率均在90%以上,具备较稳定的预测准确率。该方法能够帮助目标系统提供预防性维修和维护的决策参考,降低维护成本并减小致命故障的几率,对化学储能电池研究具有重要的理论意义和应用价值。
声明:
“化学储能电池PHM欠压故障预测方法” 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)