本發明公開了一種基于卷積神經網絡和遷移學習的鋰電池健康狀態估計方法。該方法基于遷移學習使用加速老化實驗的完整循環數據和廢棄電池壽命周期中最后一小部分約7.5%循環數據來離線地預訓練一個基礎模型,然后使用新電池前面僅15%循環的正常速度老化數據對基礎模型的參數進行微調,從而對該電池任意一個時刻的健康狀態進行在線估計。由于加速老化實驗大大縮短了電池壽命,廢棄電池的最后一小部分循環數據容易獲取,新電池的前面15%循環數據也容易獲取,因此節省了大量的收集訓練數據的時間,并且減小了模型輸入數據的大小,使得計算過程更加快速。
聲明:
“基于卷積神經網絡和遷移學習的鋰電池健康狀態估計方法” 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)