本发明提供了一种基于量子神经网络的
锂离子电池容量非线性退化预测方法，其包括：以量子神经元为基本单元，构建以编码器与解码器为基本结构的QREDNN模型，定义损失函数和优化方法，对数据进行预处理并划分为训练集与测试集，将预处理后的数据输入QREDNN模型中对参数进行训练，采用QREDNN模型对锂离子电池的容量退化趋势进行预测，所述QREDNN模型包括编码器Encoder、解码器Decoder和语义变量。本发明在传统数据驱动方法的基础上，借助量子计算基本原理，利用量子旋转矩阵表征权重值建立量子神经元模型，对于异常锂离子电池的容量退化趋势具有较好的非线性拟合能力，对于正常锂离子电池的预测效果优于经典模型。
声明：
“基于量子神经网络的锂离子电池容量非线性退化预测方法” 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)
953
编辑：管理员
来源：北方有色网
咨询细节
