[发明专利]一种基于多核支持向量机的电池单体品质分类方法

说明书

本发明的一种基于多核支持向量机的电池单体品质分类方法，可解决现有技术对多级别的电池单体品质分类难以处理且精度不高的技术问题。包括以下步骤：S100、确定并提取影响样本电池单体品质的因素，并且量化成衡量指标数据；S200、构建多核支持向量机，从已有数据中提取包含优、良、中、差四个等级品质标签的电池单体样本数据,通过主成分分析标准化降维处理，将处理后的数据代入多核支持向量机进行训练，再利用优化算法进行参数优化；S300、利用训练后的多核支持向量机，对步骤S100中提取的样本电池单体的指标数据进行分类,得到最终分类结果。本发明通过构建多核次支持向量机网络,解决了单一支持向量机无法多分类的问题，具有较高的分类精确度。

技术领域

本发明涉及动力电池单体品质分类技术领域，具体涉及一种基于多核支持向量机的电池单体品质分类方法。

背景技术

基于随着电动汽车行业的飞速发展，动力电池的使用管理问题越来越受到专家们的重视。而动力电池的基本组成单元电池单体的分析则是整个电池模组的关键。而电池模组一旦装进电动汽车里。电池单体的运行管理就只能通过监控数据的分析得到推测结论。除非将电池模组拆除，否则不能轻易将单体拿来实验室分析取样。所以说，单体电池的各项数据指标分析方法就显得十分关键。

而支持向量机是机器学习中快速可靠的分类算法。通过对主观分类结果的学习,快速掌握分类的标准并有效的根据各项指标进行分类。然而普通支持向量机方法在电池单体分类运用中存在一定的问题。一方面支持向量机主要运用于二分类问题,对多级别的电池单体品质分类难以处理。另一方面单核函数、默认参数下分类的精确度不高。

发明内容

本发明提出的一种基于多核支持向量机的电池单体品质分类方法，可解决普通支持向量机方法在电池单体分类运用中对多级别的电池单体品质分类难以处理且精度不高的技术问题。

为实现上述目的，本发明采用了以下技术方案：

一种基于多核支持向量机的电池单体品质分类方法，包括以下步骤：

S100、确定并提取影响样本电池单体品质的因素，并且量化成衡量指标数据；

S200、构建多核支持向量机，从已有数据中提取包含优、良、中、差四个等级品质标签的电池单体样本数据，通过主成分分析标准化降维处理，将处理后的数据代入多核支持向量机进行训练，再利用优化算法进行参数优化；

S300、利用训练后的多核支持向量机，对步骤S100中提取的样本电池单体的指标数据进行分类，得到最终分类结果。

进一步的，所述步骤S100中影响样本电池单体品质的因素，包括：

(1)样本电池单体的充电和放电时电压变化速率，(2)电池单体电压与总平均电压的方差，(3)电压分布均值，(4)电压变化方差，(5)电压变化的偏度，(6)电压变化分布的峰度，六个缩降维后的二维向量。

进一步的，所述充电和放电时电压变化速率计算公式为：其中vi(k+1)、vi(k)分别表示第i个编号的单体在k+1、k时刻的单体电压，t(k)表示第k个采样时刻；

所述电池单体电压与总平均电压的方差即每个具体单体与所有单体电压均值的方差计算公式如下：v_{i_var}＝(v_i-v_mean)²，其中Vi代表第i个编号的单体，Vmean表示所有单体电压在采样时刻的平均值；

其中，每个单体电压的一周内所出现的电压记录数据平均值，记为v_{i_in0}；

每个单体电压的一周内所出现的电压记录数据方差，记为v_{i_m1}；