本發(fā)明涉及一種基于可微連續(xù)映射的
鋰電池健康監(jiān)測模型自學(xué)習方法,屬于鋰電池健康監(jiān)測領(lǐng)域,包括以下步驟:S1:根據(jù)鋰電池健康狀態(tài)監(jiān)測的任務(wù)類型,以1d?CNN和AST?LSTM NN為核心模塊進行組合,根據(jù)任務(wù)要求的性能指標以及網(wǎng)絡(luò)本身的損失函數(shù)大小為約束,挑選適應(yīng)任務(wù)需要的神經(jīng)網(wǎng)絡(luò)模型;S2:在獲得與各類健康狀態(tài)監(jiān)測任務(wù)匹配的神經(jīng)網(wǎng)絡(luò)模型之后,采用可微結(jié)構(gòu)的自動學(xué)習方法,對這些神經(jīng)網(wǎng)絡(luò)進行自動訓(xùn)練。本發(fā)明將助于缺乏ANN經(jīng)驗的鋰電池研究人員和工程師,快速簡單地使用ANN建模,降低模型訓(xùn)練的成本,提高鋰電池健康狀態(tài)監(jiān)測的研發(fā)能效。
聲明:
“基于可微連續(xù)映射的鋰電池健康監(jiān)測模型自學(xué)習方法” 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)