| 发明名称 | 基于神经网络与周期核函数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周期核函数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周期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 | CN106339755A | 申请公布日期 | 2017.01.18 |
| 申请号 | CN201610754608.2 | 申请日期 | 2016.08.29 |
| 申请人 | 深圳市计量质量检测研究院 | 发明人 | 卢文斌;周頔;陈锐衡;李名兆;熊凯 |
| 分类号 | G06N3/08(2006.01)I;G06F17/15(2006.01)I | 主分类号 | G06N3/08(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 | 基于神经网络与周期核函数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周期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="FDA0001098719900000011.GIF" wi="157" he="79" />和测试数据<img file="FDA0001098719900000012.GIF" wi="192" he="87" />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 | 518000 广东省深圳市南山区西丽镇龙珠大道中段 | ||