本发明提供了一种基于神经网络与周期核函数GPR的
锂电池健康状态预测方法，该方法包括：基于神经网络核函数以及周期核函数确定协方差函数，以构建GPR预测模型；对GPR预测模型中的均值函数和协方差函数中的超参数进行初始化；利用对数极大似然估计函数对超参数进行最优化；将训练数据和测试数据输入到GPR预测模型中，以获得测试数据的值。本发明的上述锂电池健康状态预测方法，能够使得对电池SOH值的预测的准确度和精度较高，不确定度较低。
声明：
“基于神经网络与周期核函数GPR的锂电池健康状态预测方法” 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)
1072
编辑：管理员
来源：北方有色网
咨询细节
