本發明主要解決現有技術中,預測方法計算量大,預測結果精度低;提供一種基于LSTM?FFNN的電動叉車鋰離子電池健康狀態預測方法,減少了訓練模型所需的數據,提高了鋰電池健康狀態預測的精度。包括以下步驟:建立基于LSTM的時間尺度參數預測模型,以預測放電過程中時間尺度參數開路電壓V的變化;從時間尺度參數預測模型的開路電壓V中提取循環尺度參數放電至最小電壓的時間Tmin;建立基于FFNN的循環尺度參數預測模型,以預測鋰電池容量C,從而得到鋰電池健康狀態預測值SOH。結合了LSTM對長時間序列的預測能力和FFNN的算法簡單性,實現了從時間尺度參數到循環尺度參數的預測,減少了訓練模型所需的數據,提高了鋰電池健康狀態預測的精度。
聲明:
“基于LSTM-FFNN的電動叉車鋰離子電池健康狀態預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)