本發明涉及電動車鋰電池技術領域,且公開了一種基于XGBoost?LSTM優化模型的電動汽車鋰電池剩余壽命預測方法,包括電動汽車鋰電池信息在線采集技術,該一種基于XGBoost?LSTM優化模型的電動汽車鋰電池剩余壽命預測方法,通過實際的電動汽車充電數據進行實驗,并能基于合適的數據量進行分類,選擇不同的,合適的訓練模型,解決了電動汽車鋰電池覆蓋全衰減過程的RUL預測問題,對于電池RUL的長期預測性能提升,預測精準性提高有顯著意義,并且將累計特征影響和元強化學習算法引入電池RUL預測,充分挖掘累計特征中隱藏的電池健康狀態信息及其變化規律,同時發揮了元強化學習算法較強的小樣本學習能力,在電池全壽命過程上都能實現較高精度預測。
聲明:
“基于XGBoost-LSTM優化模型的電動汽車鋰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)