本發明提供了一種基于多層核超限學習機的鋰電池溫度場預測模型的建模方法,其特征在于,包括如下步驟:步驟一:建立基于ML?KELM對時間域進行非線性變換的第一模型,并確定時間系數a的獲取方法;步驟二:建立基于K?ELM的重構模型,并采用檢測到的鋰電池的第一訓練數據采用步驟一中的時間系數a的獲取方法計算出對應的時間系數,并將計算出的時間系數a輸入到所述重構模型中對所述重構模型進行訓練;步驟三:基于OS?ELM建立在線低階時序模型,對所述在線低階時序模型進行訓練和在線學習并更新在線低階時序模型的輸出權重;步驟四:在OS?ELM模型在線學習完成后,根據更新后的輸出權重計算預測的時間系數步驟五:將得到的預測的時間系數代入到步驟二中的重構模型中,即可實現對鋰電池的溫度場的預測:該建模方法能夠對鋰電池溫度場預測模型的建模,通過所建的模型能夠根據鋰電池的輸入數據準確地對溫度場進行預測。
聲明:
“基于多層核超限學習機的鋰電池溫度場預測模型的建模方法、預測模型以及預測方法” 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)