本发明涉及电动车
锂电池技术领域,且公开了一种基于XGBoost‑LSTM优化模型的电动汽车锂电池剩余寿命预测方法,包括电动汽车锂电池信息在线采集技术,该一种基于XGBoost‑LSTM优化模型的电动汽车锂电池剩余寿命预测方法,通过实际的电动汽车充电数据进行实验,并能基于合适的数据量进行分类,选择不同的,合适的训练模型,解决了电动汽车锂电池覆盖全衰减过程的RUL预测问题,对于电池RUL的长期预测性能提升,预测精准性提高有显著意义,并且将累计特征影响和元强化学习算法引入电池RUL预测,充分挖掘累计特征中隐藏的电池健康状态信息及其变化规律,同时发挥了元强化学习算法较强的小样本学习能力,在电池全寿命过程上都能实现较高精度预测。
声明:
“基于XGBoost-LSTM优化模型的电动汽车锂电池剩余寿命预测方法” 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)