-
公开(公告)号：CN119535227A
公开(公告)日：2025-02-28
申请号：CN202411708339.7
申请日：2024-11-27
Applicant: 桂林电子科技大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明提出了一种基于多系数融合的锂电池健康状态估计方法，以改善传统相关性分析中对特征分布考虑不足的问题，提高对锂电池的寿命以及安全性的评估。本发明提出一种全新的方法，基于已公开锂电池充电数据转化为67维度手工特征序列数据集，通过皮尔逊相关系数，斯皮尔曼相关系数以及互信息确定各维度特征与标签的多重关系，并根据层次分析法来实现特征的选择，从而实现降维，降低模型训练所需时间，并通过经典的深度学习模型残差网络进行锂电池健康状态估计，快速分析锂电池健康状态。本发明在锂电池健康状态估计方面优于传统方法，显著降低了锂电池健康状态估计的误差，为锂电池寿命以及安全性评估提供了重要的现实意义和指导。
Search Results
1
records
(took 0.023 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
