[发明专利]一种剩余电量的估计方法及系统

权利要求书

1.一种剩余电量的估计方法，其特征在于，包括：

获取待估计电池对应的剩余电量估计神经网络模型；

依据所述剩余电量估计神经网络模型，确定所述剩余电量估计神经网络模型的权值和阈值；

依据遗传算法分别确定所述权值和所述阈值的目标权值和目标阈值；

将所述目标权值和所述目标阈值传递到所述剩余电量估计神经网络模型模型进行计算，得到所述待估计电池的剩余电量。

2.根据权利要求1所述的方法，其特征在于，依据遗传算法分别确定所述权值和所述阈值的目标权值和目标阈值包括：

对每一个种群依据预设的适应度函数进行适应度计算，得到其对应的适应度值；

对各个种群依据其对应的适应度值进行筛选，得到目标种群集；

依据所述目标种群集中的每一个目标种群适应度值，确定目标权值和目标阈值。

3.根据权利要求2所述的方法，其特征在于，对各个种群依据其对应的适应度值进行筛选，得到目标种群集包括：

对所述各个种群的适应度值依据降序进行排序，依据排序结果进行筛选，得到第一种群集；

对所述第一种群集的各个第一种群进行交叉计算，得到第二种群集，依据所述第二种群集中的各个第二种群的适应度值对所述第二种群集进行筛选，得到目标种群集。

4.根据权利要求3所述的方法，其特征在于，对所述第一种群集的各个第一种群进行交叉计算，得到第二种群集，依据所述第二种群集中的各个第二种群的适应度值对所述第二种群集进行筛选，得到目标种群集还包括：

选取所述目标种群集中的目标种群进行变异计算。

5.根据权利要求2所述的方法，其特征在于，依据所述目标种群集中的每一个目标种群适应度值，确定目标权值和目标阈值包括：

将每一个目标种群的适应度值与预设的目标适应度值区间进行比较，确定落在所述目标适应度值区间内的各个目标种群；

判断落在所述目标适应度值区间内的各个目标种群的数量是否为零；

若否，将所述各个目标种群中适应度值最大的目标种群的权值和阈值作为目标权值和目标阈值。

6.根据权利要求5所述的方法，其特征在于，还包括:

若是，重复执行所述目标权值和所述目标阈值的计算过程，当计算的次数满足预设的计算次数阈值时，在目标种群集中选取目标权值和目标阈值。

7.根据权利要求1所述的方法，其特征在于，将所述目标权值和所述目标阈值传递到所述剩余电量估计神经网络模型模型进行计算，得到所述待估计电池的剩余电量包括：

将所述目标权值和所述目标阈值传递到所述剩余电量估计神经网络模型；

依据预设的误差函数对所述剩余电量估计神经网络模型的误差进行计算；

判断误差结果是否小于预设的误差阈值；

当小于时，将所述目标权值和目标阈值传递到所述剩余电量估计神经网络模型进行计算，得到所述待估计电池的剩余电量。

8.根据权利要求7所述的方法，其特征在于，还包括：

当大于时，将所述目标权值和所述目标阈值进行更新。

9.一种剩余电量的估计系统，其特征在于，包括：

获取模块，用于获取待估计电池对应的剩余电量估计神经网络模型；

第一确定模块，用于依据所述剩余电量估计神经网络模型，确定所述剩余电量估计神经网络模型的权值和阈值；

第二确定模块，用于依据遗传算法分别确定所述权值和所述阈值的目标权值和目标阈值；

计算模块，用于将所述目标权值和所述目标阈值传递到所述剩余电量估计神经网络模型模型进行计算，得到所述待估计电池的剩余电量。

10.根据权利要求9所述的系统，其特征在于，所述第二确定模块包括：

计算单元，用于对每一个种群依据预设的适应度函数进行适应度计算，得到其对应的适应度值；

筛选单元，用于对各个种群依据其对应的适应度值进行筛选，得到目标种群集；

确定单元，用于依据所述目标种群集中的每一个目标种群适应度值，确定目标权值和目标阈值。