本發明提供一種基于LSTM神經網絡和遷移學習的鋰電池剩余壽命預測方法,包括以下步驟:步驟1:數據獲取及數據預處理;步驟2:將數據按比例劃分為訓練集和測試集;步驟3:搭建源域LSTM神經網絡模型,將源域數據訓練集輸入神經網絡進行訓練,將測試集的數據輸入神經網絡進行測試;步驟4:利用最大均值差異對源域和目標域的數據差異進行衡量,得到源域與目標域的分布距離;步驟5:根據最大均值差異對源域網絡模型進行調整,得到目標領域網絡網絡模型,將源域網絡模型參數進行遷移,將目標域數據輸入模型進行剩余壽命預測。本發明能夠通過遷移網絡模型結構和參數,減少網絡訓練時間,提高效率。
聲明:
“基于LSTM網絡和遷移學習的鋰電池壽命預測方法” 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)