本发明公开了一种基于无监督迁移学习的电池SOH预测方法,通过提取两个电池的特征,用域匹配算法对两个特征空间进行调整,使两个特征空间的条件分布和边缘分布相匹配,并且通过调整样本权重使得两个空间相关的样本权重变大,不相关的样本权重变小;这样通过域匹配方式可以利用一个电池数据做训练,用普通的机器学习算法来预测另一个电池的SOH,从而具有适用性高,预测精度高,实现简单等优点。
📄 2020109944292
📂 G01R31_367
👤 电子科技大学
📅 2020-09-21
本发明涉及一种基于交替最小二乘法的锂电池SOH估计方法,首先通过搭建的锂电池实验平台测量锂电池在充放电过程中的充电电压变换数据、充电电流变化数据和放电电压变化数据,然后提取等压升充电时间、等流降充电时间、等压降放电时间、等时间电压差四个特征值,最后结合交替最小二乘法计算锂电池的SOH,实现对锂电池SOH的有效估计。
📄 2020100991550
📂 G06F17_16
👤 金陵科技学院
📅 2020-02-18