本申请提供了一种基于
混合机器学习方法的
锂电池状态预测方法、系统和介质，包括步骤：获取汽车动力锂电池的历史使用数据集；将历史使用数据集输入到卷积长短期神经网络，得到电池健康状态的数据特征向量；将数据特征向量输入到混合机器学习模型，在到达预设训练次数后，优化混合机器学习模型中的各个机器学习模型的权重系数，得到训练完成的混合机器学习模型；将废旧电池的测试数据输入到训练完成的混合机器学习模型，对废旧电池的健康状态与剩余寿命进行预测。基于卷积长短期神经网络的健康状态评估方法，可以很好地提取和学习长时间跨度下电池循环充放电过程中数据之间的特征关系，可以获取更为准确和稳定的剩余使用寿命预测结果。
声明：
“基于混合机器学习方法的锂电池状态预测方法、系统和介质” 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)
855
编辑：管理员
来源：北方有色网
咨询细节
