公开(公告)号：CN118311437B

公开(公告)日：2024-09-20

申请号：CN202410455601.5

申请日：2024-04-15

Applicant: 南京工业大学

Inventor： 缪小冬 ,  贾超 ,  平凡 ,  徐坤

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/00 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/084 ,  G06F18/213 ,  G06F18/25

Abstract: 本发明公开一种动力电池剩余寿命预测方法，获取电池相关监测数据，构建特征数据；构建由特征近似单元、双向门控循环单元BiGRU和全连接单元组成的混合神经网络BiGRU‑NN预测模型；设计专家知识模块，将专家知识嵌入BiGRU‑NN混合神经网络模型；将构建的特征数据输入专家知识嵌入式BiGRU‑NN混合神经网络模型中进行训练，获得预训练模型；面对新任务时，采用少量有标签数据对预训练模型参数进行微调，获得预测模型；将新任务数据输入预测模型，获得剩余容量预测结果并判断其中达到失效阈值的点，获得电池剩余寿命RUL。本发明能够兼顾多种因素对预测结果的影响，提升了模型的预测准确度；实现数据信息与专家知识的有效融合。

公开(公告)号：CN117031310A

公开(公告)日：2023-11-10

申请号：CN202311135852.7

申请日：2023-09-05

Applicant: 南京工业大学

Inventor： 缪小冬 ,  贾超 ,  平凡 ,  徐坤

IPC: G01R31/367

Abstract: 本发明公开一种电动汽车动力电池剩余使用寿命预测方法，通过获取电动汽车动力电池的监测数据，进行数据预处理；按照历史时刻数据和未来时刻数据划分为训练集、误差修正集和测试集；采用训练集和误差修正集，建立ARIMA‑BiGRU‑NN融合模型；基于海鸥优化算法优化模型的超参数；采用测试集，验证模型的预测结果。针对电动汽车动力电池剩余使用寿命预测难与单向神经网络对数据信息利用不充分的问题，本发明采用双向门控循环单元与融合多种数据驱动算法的预测方法，提高了预测的鲁棒性与精确度。

公开(公告)号：CN118311437A

公开(公告)日：2024-07-09

申请号：CN202410455601.5

申请日：2024-04-15

Applicant: 南京工业大学

Inventor： 缪小冬 ,  贾超 ,  平凡 ,  徐坤

IPC: G01R31/367 ,  G01R31/392 ,  G01R31/00 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/084 ,  G06F18/213 ,  G06F18/25

Abstract: 本发明公开一种动力电池剩余寿命预测方法，获取电池相关监测数据，构建特征数据；构建由特征近似单元、双向门控循环单元BiGRU和全连接单元组成的混合神经网络BiGRU‑NN预测模型；设计专家知识模块，将专家知识嵌入BiGRU‑NN混合神经网络模型；将构建的特征数据输入专家知识嵌入式BiGRU‑NN混合神经网络模型中进行训练，获得预训练模型；面对新任务时，采用少量有标签数据对预训练模型参数进行微调，获得预测模型；将新任务数据输入预测模型，获得剩余容量预测结果并判断其中达到失效阈值的点，获得电池剩余寿命RUL。本发明能够兼顾多种因素对预测结果的影响，提升了模型的预测准确度；实现数据信息与专家知识的有效融合。