本發(fā)明公開了基于進化注意力機制的LSTM電池健康狀態(tài)估計方法,具體為:首先,獲取
鋰電池的額定容量、n條恒流充電電壓曲線和當前的SOH,定義特征提取中的三個參數(shù),對曲線進行特征提取和處理;之后定義注意力參數(shù)W,使用W來構(gòu)造基于注意力機制的LSTM模型;通過非支配排序遺傳算法II對參數(shù)進行優(yōu)化,得到一組表現(xiàn)最優(yōu)的個體;再選擇一個MSE值最小的個體,對該個體進行解碼,將老化特征劃分為訓(xùn)練集和測試集,將測試集輸入到解碼后的LSTM模型中,根據(jù)測試集得出電池SOH估計結(jié)果。本發(fā)明方法,可以自適應(yīng)地從電壓曲線上獲取合適的老化特征采樣范圍,提升自動化程度,同時提高SOH估計方法的性能。
聲明:
“基于進化注意力機制的LSTM電池健康狀態(tài)估計方法” 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)