基于門控循環單元神經網絡和卡爾曼濾波模型融合的鋰離子電池剩余壽命預測方法,涉及鋰離子電池健康狀態檢測技術領域。本發明是為了解決現有的基于融合模型的鋰離子電池剩余壽命預測方法,存在非線性退化過程擬合能力差、不同工作狀態適應能力低的問題。本發明通過建立GRU?RNN深度網絡模型,利用GRU深度學習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,從而獲取更加準確的電池容量預測模型,最后通過KF濾波方法減小了噪聲,獲取了更加精確的預測值。
聲明:
“基于門控循環單元神經網絡和卡爾曼濾波模型融合的鋰離子電池剩余壽命預測方法” 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)