本發明涉及鋰離子電池檢測技術領域,具體公開了一種基于CNN?BiLSTM?AT混合模型的鋰離子電池健康狀態預測方法,其中,方法包括:采集鋰離子電池充放電過程中的參數數據,作為輸入數據;對參數數據進行數據預處理,將數據劃分為訓練集和測試集;將訓練集輸入卷積神經網絡中,經過卷積和池化操作,輸出深層特征矩陣;深層特征矩陣輸入雙向長短期記憶神經網絡中,通過正向和反向對其進行雙向深度分析,建立數據過去和未來之間的相關性;添加注意力機制層,增強模型對特征信息的學習,為相關性更高的特征賦予更高的權重;訓練CNN?BiLSTM?AT混合模型,輸入測試集,全連接層輸出鋰離子電池SOH預測值;制定CNN?BiLSTM?AT混合模型預測精度和鋰離子電池健康狀態的評價標準,用來評判模型預測SOH值的準確性,并預測該鋰離子電池的健康狀態。
聲明:
“基于CNN-BiLSTM-AT混合模型的鋰離子電池健康狀態預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)