公开(公告)号：CN114545279A

公开(公告)日：2022-05-27

申请号：CN202210175767.2

申请日：2022-02-24

Applicant: 重庆邮电大学

Inventor： 杨经纬 ,  刘佳 ,  程艺 ,  罗柳

IPC: G01R31/392 ,  G01R31/367 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及锂电池健康状态评估技术领域，公开了一种基于神经网络常微分方程的锂电池健康状态估计方法，包括如下步骤：步骤1、对收集到的锂电池数据集进行预处理得到原始数据集；步骤2、将所述原始数据集分类成训练数据集和测试数据集；步骤3、将所述训练数据集输入至通过元学习剪枝后得到的轻量化ODE网络，对所述轻量化ODE网络进行训练得到锂电池的预测容量，并通过所述测试数据集对训练后的轻量化ODE网络进行测试。本发明将元学习剪枝(Meta‑pruning)应用在ODE网络中，简化网络结构并减少网络参数量，达到进一步精简轻量化的ODE网络的效果，并提高神经网络预测锂电池SOH的精度。

公开(公告)号：CN114545279B

公开(公告)日：2024-09-06

申请号：CN202210175767.2

申请日：2022-02-24

Applicant: 重庆邮电大学

Inventor： 杨经纬 ,  刘佳 ,  程艺 ,  罗柳

IPC: G01R31/392 ,  G01R31/367 ,  G06N3/0985 ,  G06N3/082 ,  G06N3/084 ,  G06F17/13

Abstract: 本发明涉及锂电池健康状态评估技术领域，公开了一种基于神经网络常微分方程的锂电池健康状态估计方法，包括如下步骤：步骤1、对收集到的锂电池数据集进行预处理得到原始数据集；步骤2、将所述原始数据集分类成训练数据集和测试数据集；步骤3、将所述训练数据集输入至通过元学习剪枝后得到的轻量化ODE网络，对所述轻量化ODE网络进行训练得到锂电池的预测容量，并通过所述测试数据集对训练后的轻量化ODE网络进行测试。本发明将元学习剪枝(Meta‑pruning)应用在ODE网络中，简化网络结构并减少网络参数量，达到进一步精简轻量化的ODE网络的效果，并提高神经网络预测锂电池SOH的精度。