[发明专利]一种基于多层特征融合深度学习的锂电池健康状态评估方法在审
| 申请号： | 201810352834.7 | 申请日： | 2018-04-19 |
| 公开（公告）号： | CN108398652A | 公开（公告）日： | 2018-08-14 |
| 发明（设计）人： | 马剑;吕琛;王菲;丁宇 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G01R31/36 | 分类号： | G01R31/36 |
| 代理公司： | 北京元本知识产权代理事务所 11308 | 代理人： | 秦力军 |
| 地址： | 100191 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多层特征融合深度学习的锂电池健康状态评估方法，涉及蓄电池健康管理技术领域，包括：对锂电池的充电和放电信号分别进行特征提取，得到所述锂电池的充电和放电特征数据；对所述锂电池的电荷容量数据、充放电时间数据、所述充电和放电信号特征数据进行多层特征融合的深度学习，得到所述锂电池多维参数的相关性特征数据；利用所述锂电池多维参数的相关性特征数据，对所述锂电池的健康状态进行评估，得到锂电池健康结果。本发明能够在没有人工干预的情况下自主获得能够有效反映锂电池健康变化的锂电池健康结果。 | ||
| 搜索关键词： | 锂电池 充电和放电 特征融合 特征数据 多层 健康状态评估 多维参数 信号特征数据 蓄电池 电荷容量 健康管理 健康状态 人工干预 时间数据 特征提取 充放电 健康 学习 评估 | ||
【主权项】：
1.一种基于多层特征融合深度学习的锂电池健康状态评估方法，其特征在于，包括：对锂电池的充电和放电信号分别进行特征提取，得到所述锂电池的充电和放电特征数据；对所述锂电池的电荷容量数据、充放电时间数据、所述充电和放电信号特征数据进行多层特征融合的深度学习，得到所述锂电池多维参数的相关性特征数据；利用所述锂电池多维参数的相关性特征数据，对所述锂电池的健康状态进行评估，得到锂电池健康结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学，未经北京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810352834.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种锂电池电压内阻测试装置
- 下一篇：大电流直流内阻测试装置
