本發明公開了一種基于ARMA和Elman神經網絡聯合建模的電池健康狀態評估方法,該方法包括:基于自回歸移動平均(ARMA)模型和Elman神經網絡建立融合模型,應用經驗模態分解對電池循環次數與剩余容量的實驗數據進行處理,對分解得到的本征模態函數IMF分量和殘余分量分別進行建模,最后疊加融合模型,生成估計的SOH序列,實現對電池健康狀態的準確預測。通過實驗驗證,本發明考慮了復雜變化對電池健康狀態的影響,完成了對鈷酸鋰的老化測試結果的預測,提高了評估的準確性。
聲明:
“基于ARMA和Elman神經網絡聯合建模的電池健康狀態評估方法” 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)