基于門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波模型融合的鋰離子電池剩余壽命預(yù)測方法,涉及鋰離子電池健康狀態(tài)檢測技術(shù)領(lǐng)域。本發(fā)明是為了解決現(xiàn)有的基于融合模型的鋰離子電池剩余壽命預(yù)測方法,存在非線性退化過程擬合能力差、不同工作狀態(tài)適應(yīng)能力低的問題。本發(fā)明通過建立GRU?RNN深度網(wǎng)絡(luò)模型,利用GRU深度學(xué)習(xí)模型在時間序列上強大的特征提取能力,對鋰離子電池容量退化特征進行提取,從而獲取更加準(zhǔn)確的電池容量預(yù)測模型,最后通過KF濾波方法減小了噪聲,獲取了更加精確的預(yù)測值。
聲明:
“基于門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)和卡爾曼濾波模型融合的鋰離子電池剩余壽命預(yù)測方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)