本发明公开一种基于深度学习模型的
锂离子电池健康状态诊断方法，包括：对锂离子电池进行锂离子电池循环老化测试；获取每一循环过程中锂离子电池健康状态真实值；获取在不同环境温度和容量损失下的锂离子电池的开路电压OCV数据；对二阶RC等效电路模型中的电路元件参数进行辨识，并构建锂离子电池寿命特征参量矩阵；建立并训练特征转换的深度学习模型，对待估计锂离子电池进行任意条件下的充放电测试，获得测试数据；对阻抗参数进行辨识，构建锂离子电池特征参量矩阵并作为输入数据，输入到训练后的特征转换的深度学习模型中，获得计算结果，作为待估计锂离子电池的SOH。本发明计算能力强，精度高，适应性宽。
声明：
“基于深度学习模型的锂离子电池健康状态诊断方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1106
编辑：管理员
来源：北方有色网
咨询细节
