本發明涉及一種基于可微連續映射的鋰電池健康監測模型自學習方法,屬于鋰電池健康監測領域,包括以下步驟:S1:根據鋰電池健康狀態監測的任務類型,以1d?CNN和AST?LSTM NN為核心模塊進行組合,根據任務要求的性能指標以及網絡本身的損失函數大小為約束,挑選適應任務需要的神經網絡模型;S2:在獲得與各類健康狀態監測任務匹配的神經網絡模型之后,采用可微結構的自動學習方法,對這些神經網絡進行自動訓練。本發明將助于缺乏ANN經驗的鋰電池研究人員和工程師,快速簡單地使用ANN建模,降低模型訓練的成本,提高鋰電池健康狀態監測的研發能效。
聲明:
“基于可微連續映射的鋰電池健康監測模型自學習方法” 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)