[发明专利]锂电池检测方法、装置、设备及存储介质

权利要求书

1.一种锂电池检测方法，其特征在于，所述锂电池检测方法包括：

采集待测锂电池的电池容量序列，基于变分模态分解算法对所述电池容量序列进行去噪处理，获得无扰电池容量序列；

通过预设卷积网络模型对所述无扰电池容量序列进行计算，获取类别标签，所述预设卷积网络模型的训练数据集中包含多个预先标注好类别标签的容量退化序列；

根据所述类别标签获取对应的容量退化序列；

将所述容量退化序列和所述无扰电池容量序列进行组合，获得完整电池容量序列，并对所述完整电池容量序列进行拟合，获得目标拟合回归曲线；

通过对所述目标拟合回归曲线进行反归一化处理，并根据处理结果确定所述待测锂电池的电池容量和剩余使用寿命；

其中，所述通过预设卷积网络模型对所述无扰电池容量序列进行计算，获取类别标签的步骤之前，还包括：

采集各个锂电池样本的容量样本序列，获得样本数据集，所述样本数据集包括多个容量样本序列；

基于所述变分模态分解算法对所述样本数据集中的各容量样本序列分别进行去噪处理，获得无扰数据集，所述无扰数据集包括多个去噪后的容量样本序列；

基于所述无扰数据集中各去噪后的容量样本序列分别建立对应的非线性回归方程，获得方程数据集，所述方程数据集包括多个非线性回归方程，所述非线性回归方程为：

其中，方程因变量f(k)为方程名，方程自变量k为充放电循环周期，为权重参数，T为向量的转置，为特征空间，b为偏置参数；

通过惩罚因子和松弛变量对所述方程数据集中的各非线性回归方程分别进行转化，获得优化函数集，所述优化函数集包括多个优化函数，所述优化函数为：

其中，min为极小值，C为所述惩罚因子，N为所述样本数据集中样本编号的最大值，均为所述松弛变量，为所述去噪后的容量样本序列，s.t.为约束条件，为不敏感损失函数；

通过拉格朗日乘数对所述优化函数集中的各优化函数进行转换，获得目标函数集，所述目标函数集中的目标函数为：

其中，max为极大值，R为拉格朗日函数的函数名，均为拉格朗日乘数，且，所述目标函数集包括多个目标函数；

通过对所述目标函数集中的各目标函数分别进行计算，并基于计算结果和预设回归算法，获得拟合数据集，所述拟合数据集包括多个样本拟合回归曲线；

对所述拟合数据集中的各样本拟合回归曲线分别提取出对应的容量退化序列，并对提取出的各容量退化序列分别进行类别标签的标注，获得训练数据集；

获取待训练的卷积网络模型，将所述训练数据集中的容量退化序列作为输入数据，以对应的类别标签作为输出结果，对所述待训练的卷积网络模型进行训练，获得预设卷积网络模型。

2.如权利要求1所述的方法，其特征在于，所述基于所述变分模态分解算法对所述样本数据集中的各容量样本序列分别进行去噪处理，获得无扰数据集，包括：

对所述样本数据集中的各容量样本序列分别进行归一化处理，获得归一化数据集，所述归一化数据集包括多个归一化容量序列；

对所述归一化数据集中的各归一化容量序列分别进行变分模态分解，并基于分解结果进行变分模态重构，获得无扰数据集。

3.如权利要求1所述的方法，其特征在于，所述通过对所述目标函数集中的各目标函数分别进行计算，并基于计算结果和预设回归算法，获得拟合数据集，包括：

对所述目标函数集中的各目标函数的参数进行偏导为零的计算，并根据计算结果对所述各目标函数进行转化，获得规划函数集，所述规划函数集包括多个规划函数，所述规划函数为：

其中，以及所述偏置参数b均为待求解的目标参数；

对所述规划函数集中的各规划函数进行求解计算，获得目标参数集，所述目标参数集包括多组目标参数；

通过预设回归算法对所述目标参数集中的各组目标参数分别进行拟合，获得拟合数据集。