基于半监督协同训练框架的
锂离子电池健康状态估计方法，包括基于实验数据的监督学习建模、基于工业无标签数据的协同训练、在线SOH估计3个步骤；本发明将少量、难获取的实验有标签数据与大量、易获取的工业无标签数据结合起来，基于半监督协同回归的方式进行模型的迭代更新，以最终模型的预测平均值作为
锂电池在线SOH估计结果；本发明公开的SOH估计方法从电池大量的无标签充电数据中挖掘信息，通过为无标签数据标记伪标签的方式丰富训练数据，基于半监督学习方法的最终SOH估计结果在精度和鲁棒性能方面都优于传统的监督学习SOH估计方法；本发明提出了利用大量无标签数据改善电池SOH估计的高效技术，具有广阔的工程应用与产业推广前景。
声明：
“基于半监督协同训练框架的锂离子电池健康状态估计方法” 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)
687
编辑：管理员
来源：北方有色网
咨询细节
