本發明提出了一種基于端到端深度學習的鋰電池健康狀態估計方法。該方法搭建了空洞卷積與雙向LSTM結合的網絡模型,令模型在增大網絡層感受野的同時,能夠獲取更加豐富的時間序列樣本信息,有效提升了電池健康狀態的估計精度。并且使用了美國宇航局(NASA)預測卓越中心的電池預測數據集對模型進行訓練與效果驗證。首先將原始數據經過預處理后輸入三個級聯的空洞卷積模塊與一個雙向LSTM層,然后對網絡模型進行訓練并仿真驗證,保存網絡權重參數,最后將訓練好的網絡模型在測試集上進行測試,得到電池健康狀態估計結果。
聲明:
“基于端到端深度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)