发明名称 |
基于神经网络与Maternard核函数GPR的锂电池健康状态预测方法 |
摘要 |
本发明提供了一种基于神经网络与Maternard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Maternard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。 |
申请公布号 |
CN106405427A |
申请公布日期 |
2017.02.15 |
申请号 |
CN201610768859.6 |
申请日期 |
2016.08.29 |
申请人 |
哈尔滨理工大学 |
发明人 |
袁丽丽;宋显华;付作娴;王北一 |
分类号 |
G01R31/36(2006.01)I |
主分类号 |
G01R31/36(2006.01)I |
代理机构 |
哈尔滨市伟晨专利代理事务所(普通合伙) 23209 |
代理人 |
张伟 |
主权项 |
基于神经网络与Maternard核函数GPR的锂电池健康状态预测方法,其特征在于,所述锂电池健康状态预测方法包括:基于神经网络核函数以及Maternard核函数确定协方差函数,以构建GPR预测模型;对所述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所述超参数进行最优化;将训练数据<img file="FDA0001098715990000011.GIF" wi="153" he="79" />和测试数据<img file="FDA0001098715990000012.GIF" wi="195" he="79" />输入到所述GPR预测模型中,以获得所述测试数据的值;其中,i为锂电池样品的充/放电循环次数,x<sub>i</sub>为所述锂电池训练样品在第i次充/放电循环时对应的SOH值,N表示训练数据的个数,m为测试数据的个数。 |
地址 |
150080 黑龙江省哈尔滨市南岗区学府路52号 |