基于半監督協同訓練框架的鋰離子電池健康狀態估計方法,包括基于實驗數據的監督學習建模、基于工業無標簽數據的協同訓練、在線SOH估計3個步驟;本發明將少量、難獲取的實驗有標簽數據與大量、易獲取的工業無標簽數據結合起來,基于半監督協同回歸的方式進行模型的迭代更新,以最終模型的預測平均值作為鋰電池在線SOH估計結果;本發明公開的SOH估計方法從電池大量的無標簽充電數據中挖掘信息,通過為無標簽數據標記偽標簽的方式豐富訓練數據,基于半監督學習方法的最終SOH估計結果在精度和魯棒性能方面都優于傳統的監督學習SOH估計方法;本發明提出了利用大量無標簽數據改善電池SOH估計的高效技術,具有廣闊的工程應用與產業推廣前景。
聲明:
“基于半監督協同訓練框架的鋰離子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)