基于CNN-LSTM模型的锂电池核电状态预测方法

    公开(公告)号:CN115656824A

    公开(公告)日:2023-01-31

    申请号:CN202211069491.6

    申请日:2022-09-02

    Abstract: 本发明请求保护一种基于CNN‑LSTM模型的锂电池核电状态预测方法。该方法主要数据集准备、模型训练以及模型测试三个阶段组成。数据集准备阶段选取适用于该研究的数据集,对该数据集进行分析、预处理和分割;模型训练阶段探索并确定采用CNN‑LSTM模型,对模型训练结果进行误差分析、层级和超参数优化后保存最优模型;模型测试阶段验证模型是否能有效预测锂电池核电状态。本发明利用电池电流、电压、温度三个参数对电池核电状态进行预测;预测模型主要由1D‑CNN和LSTM构成,它们分别用于提取电池数据中的空间和时间特征,最后通过全连接层整合运算得预测值。本发明克服传统锂电池核电状态预测方法误差大、过度依赖电池模型的问题,具备高预测精度、收敛速度快等优点。

    一种温度补偿型声表面波滤波器

    公开(公告)号:CN114978101A

    公开(公告)日:2022-08-30

    申请号:CN202210571685.X

    申请日:2022-05-24

    Abstract: 本发明请求保护一种温度补偿型声表面波滤波器,其包括滤波器压电基底、金属电极、SiO2温度补偿层和ZnO温度补偿层;其中金属电极位于压电基底上,SiO2温度补偿层位于压电基底上且不与金属电极重合的部分,ZnO温度补偿层位于SiO2温度补偿层上。本发明在0.2λ(λ为叉指周期)厚度的SiO2薄膜上覆盖ZnO薄膜,通过增加ZnO薄膜厚度,改善器件温度稳定性;当ZnO薄膜厚度为0.2λ时,即总膜厚为0.4λ时,频率温度系数(TCF)为‑9.94ppm/℃。在频率温度系数≤‑10ppm/℃的情况下,本发明相比于传统的温度补偿型声表面波滤波器,总膜厚减少了27%,器件性能也得到改善。

Patent Agency Ranking