一种相似产品寿命迁移筛选方法和系统技术方案

本发明专利技术公开一种相似产品寿命迁移预测方法及系统，涉及似产品迁移学习技术领域，包括预处理待测配方相似产品短期循环寿命测试数据和其他配方电池全寿测试数据，得到目标样本数据和多个训练数据；通过进行曲线形态、容量退化率相似度、寿命分布相似度和距离度量最小筛选，获得用于跨配方相似产品寿命预测的可迁移样本数据，利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测，获得寿命预测结果；本发明专利技术实现了锂离子电池跨配方剩余寿命的准确预测，预测准确度最高可以达到99.9％，可以有效节省锂电池设计开发过程中的测试时间和费用，具有可观的经济效益和应用价值。

【技术实现步骤摘要】
一种相似产品寿命迁移筛选方法和系统
本专利技术涉及相似产品迁移寿命预测
，尤其涉及一种相似产品寿命迁移筛选方法和系统。
技术介绍
随着储能技术和能源产业的发展，锂离子电池因其质量轻、低放电率和长寿命等优点，广泛应用于军事电子产品、航空电子器件、电动汽车以及各种便携式电子装置(例如笔记本电脑、数码相机、平板电脑、手机等)的主要储能器件。循环寿命是锂电池产品的重要设计性能。在锂电池的设计开发过程中，为了准确的获得设计矩阵中不同配方电池的寿命情况，并为配方选择和设计优化提供反馈，需要针对设计矩阵中各个配方的电池开展循环寿命测试。该项测试需要持续进行到电池容量保持率达到规定的阈值，即锂电池的寿命终止点。然而，由于设计矩阵中的锂电池配方数量众多，导致现有的循环寿命测试时间和资金成本太高，尤其对寿命周期长达多年的动力锂电池的而言，其设计开发效率过低，企业难以承受。锂电池寿命预测，通常被用于锂电池的使用阶段，主要根据少量的已知历史数据，预测电池当前时刻的剩余寿命。由于被预测锂电池的测试循环数量要尽可能少，难以获得足够多的电池测试数据量以满足剩余寿命预测模型的设计开发需要。因此，利用电池企业同一电池平台的其他配方海量历史循环寿命测试数据，可为设计开发所需的剩余寿命预测模型提供数据支持。然而如何定义和度量数据可迁移性，并用于设计可迁移样本的筛选策略，从其他大量差异化配方电池数据中获得最相似的样本，如何利用最相似的样本对相似产品的寿命预测具有重大意义和应用需求。
技术实现思路
为解决现有技术存在的问题，本专利技术利用短期实测数据及迁移学习预测方法提供了一种更适用于电池设计开发过程中不同配方间的电池寿命预测的可迁移样本筛选方法及系统，本专利技术提供的可迁移样本筛选方法及系统能提高寿命预测的准确率，有效避免由于长期测试所产生的能耗及资源浪费，预测准确度高，普适性强。为实现本专利技术的技术目的，本专利技术一方面提供一种相似产品寿命迁移预测方法，其特征在于，包括：预处理待测配方相似产品短期循环寿命测试数据得到目标样本数据，预处理其他配方相似产品全寿测试容量数据得到多个训练数据；通过进行曲线形态筛选，从多个训练数据中筛选出与目标样本数据曲线类型相似的第一训练数据；通过容量退化率相似度筛选，从第一训练数据筛选出与目标样本数据的容量退化趋势相似的第二训练数据；通过寿命分布相似度筛选，从第二训练数据筛选出与目标样本数据寿命分布相似的第三训练数据；通过距离度量最小筛选，从第三训练数据中筛选出与目标样本数据的距离度量最小的第四训练数据；将第四训练数据作为跨配方相似产品寿命预测的可迁移样本数据；利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测。其中，利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测包括：利用所述可迁移样本数据对预先针对其他配方相似产品训练的模型进行精调训练，得到所述寿命预测模型；利用所述寿命预测模型对待测配方相似产品的当前测试数据进行寿命预测处理，得到待测配方相似产品的剩余使用寿命RUL。其中，所述预处理包括对目标样本数据和训练数据进行归一化处理；所述利用所述寿命预测模型对待测配方相似产品的当前测试数据进行寿命预测处理，得到待测配方相似产品的剩余使用寿命RUL包括：将待测配方相似产品的当前测试数据输入所述寿命预测模型，输出待测配方相似产品的剩余使用寿命RUL标签值；对待测配方相似产品的剩余使用寿命RUL标签值进行反归一化处理，得到待测配方相似产品的剩余使用寿命RUL预测值。其中，从多个训练数据中筛选出与目标样本数据曲线类型相似的第一训练数据包括：将目标样本数据和多个训练数据分别图形化为目标样本数据曲线和多个训练数据曲线；将目标样本数据曲线和多个训练数据曲线分为直线，凹曲线和凸曲线三类；根据直线、凹曲线和凸曲线类型进行筛选，排除与目标样本数据曲线类型不同的训练数据曲线，得到第一训练数据。其中，从第一训练数据筛选出与目标样本数据的容量退化趋势相似的第二训练数据包括：计算第一训练数据从初始状态退化到测试结束时容量曲线的变化率，保留与目标样本数据最近接的几个第一训练数据；将保留的第一训练数据作为第二训练数据。其中，从第二训练数据筛选出与目标样本数据寿命分布相似的第三训练数据包括：通过测量运行到试验停止阈值时的循环次数，比较第二训练数据的寿命分布，并保留最接近目标样本数据的寿命分布的几个第二训练数据；将保留的最接近目标样本数据的寿命分布的第二训练数据作为第三训练数据。其中，从第三训练数据中筛选出与目标样本数据的距离度量最小的第四训练数据包括：选用切比雪夫距离对容量曲线进行筛选，计算几个第三训练数据的退化曲线与目标样本数据的容量退化曲线间的切比雪夫距离；选择切比雪夫距离最小的第三训练数据作为第四训练数据。其中，所述预处理还包括：剔除待测配方相似产品短期测试样本数据和其他配方相似产品全寿测试容量数据库中不稳定的起始数据和未体现退化趋势的数据；对剔除后的短期测试样本数据和全寿测试容量数据库中的数据进行平滑处理，得到目标样本数据和预测训练数据。其中，所述相似产品是锂电池。进一步的，所述相似产品为锂离子电池。为实现本专利技术的技术目的，本专利技术另一方面提供一种跨配方相似产品寿命迁移预测系统，其特征在于，包括处理器、存储器，存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间连接通信的数据总线，所述程序被处理器执行时实现跨配方相似产品寿命迁移预测方法。有益效果：由于被预测电池较短的测试数据难以有效凸显其容量退化规律，导致寿命预测模型难以有效训练和给出准确的预测结果。针对这一问题，本专利技术提供一种基于迁移学习的思想，采用四次筛选的可迁移样本筛选方法，从不同配方电池的历史全寿测试数据中，获得与被预测电池容量退化规律相似度最高的数据，并迁移应用于被预测电池寿命预测模型的训练，实现了锂动力电池跨配方剩余寿命的准确预测，预测准确度最高可以达到99.9％，可以有效节省锂电池设计开发过程中的测试时间和费用，具有可观的经济效益和应用价值。附图说明图1是本专利技术实施例1提供的相似产品寿命迁移预测方法流程图；图2是本专利技术应用实施例1提供的锂离子电池寿命迁移预测方法流程；图3是本专利技术应用实施例1提供的基于Tr-LSTM的RUL转移预测模型的构建和测试过程图；图4是本专利技术应用实施例1提供的RNN结构示意图；图5是本专利技术应用实施例1提供的LSTM单元结构示意图；图6是本专利技术应用实施例1提供的基于Tr-LSTM的RUL预测模型及其转移学习策略图；图7是本专利技术应用实施例1提供的通过斜率和截距进行的预测曲线的线性拟合；图8是本专利技术应用实施例1提供的实验过程设计优化流程；图本文档来自技高网...

【技术保护点】
1.一种相似产品寿命迁移预测方法，其特征在于，包括：/n预处理待测配方相似产品短期循环寿命测试数据得到目标样本数据，预处理其他配方相似产品全寿测试容量数据得到多个训练数据；/n通过进行曲线形态筛选，从多个训练数据中筛选出与目标样本数据曲线类型相似的第一训练数据；/n通过容量退化率相似度筛选，从第一训练数据筛选出与目标样本数据的容量退化趋势相似的第二训练数据；/n通过寿命分布相似度筛选，从第二训练数据筛选出与目标样本数据寿命分布相似的第三训练数据；/n通过距离度量最小筛选，从第三训练数据中筛选出与目标样本数据的距离度量最小的第四训练数据；/n将第四训练数据作为跨配方相似产品寿命预测的可迁移样本数据；/n利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测。/n

【技术特征摘要】
1.一种相似产品寿命迁移预测方法，其特征在于，包括：
预处理待测配方相似产品短期循环寿命测试数据得到目标样本数据，预处理其他配方相似产品全寿测试容量数据得到多个训练数据；
通过进行曲线形态筛选，从多个训练数据中筛选出与目标样本数据曲线类型相似的第一训练数据；
通过容量退化率相似度筛选，从第一训练数据筛选出与目标样本数据的容量退化趋势相似的第二训练数据；
通过寿命分布相似度筛选，从第二训练数据筛选出与目标样本数据寿命分布相似的第三训练数据；
通过距离度量最小筛选，从第三训练数据中筛选出与目标样本数据的距离度量最小的第四训练数据；
将第四训练数据作为跨配方相似产品寿命预测的可迁移样本数据；
利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测。


2.如权利要求1所述的方法，其特征在于，利用适应于所述可迁移样本数据的寿命预测模型对跨配方相似产品进行寿命迁移预测包括：
利用所述可迁移样本数据对预先针对其他配方相似产品训练的模型进行精调训练，得到所述寿命预测模型；
利用所述寿命预测模型对待测配方相似产品的当前测试数据进行寿命预测处理，得到待测配方相似产品的剩余使用寿命RUL。


3.如权利要求2所述的方法，其特征在于，所述预处理包括对目标样本数据和训练数据进行归一化处理；
所述利用所述寿命预测模型对待测配方相似产品的当前测试数据进行寿命预测处理，得到待测配方相似产品的剩余使用寿命RUL包括：
将待测配方相似产品的当前测试数据输入所述寿命预测模型，输出待测配方相似产品的剩余使用寿命RUL标签值；
对待测配方相似产品的剩余使用寿命RUL标签值进行反归一化处理，得到待测配方相似产品的剩余使用寿命RUL预测值。


4.如权利要求1所述的方法，其特征在于，从多个训练数据中筛选出与目标样本数据曲线类型相似的第一训练数据包括：
将目标样本数据和多个训练数据分别图形化为目标样本数据曲线和多个训练数据曲线；
将目标样本数据曲线...

【专利技术属性】
技术研发人员：马剑，尚芃超，邹新宇，丁宇，吕琛，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11