一种电池参数推测方法、装置、设备及介质制造方法及图纸

本公开涉及一种电池参数推测装置、方法、设备及介质，其中，所述方法应用于电池参数推测装置上，所述方法包括：利用所述模型生成装置生成模型并更新模型；利用所述数据处理装置读取并保存训练用数据；根据所述模型生成装置更新后的模型以及所述数据处理装置保存的训练用数据进行电池参数推测计算并输出；根据输出的电池参数推测计算结果判断当前模型的参数是否满足要求，若满足则以当前参数保存模型，若不满足则保存模型参数，分析计算模型参数后生成新的模型参数以更新模型。数后生成新的模型参数以更新模型。数后生成新的模型参数以更新模型。

【技术实现步骤摘要】
一种电池参数推测方法、装置、设备及介质


[0001]本公开涉及数据处理
，更为具体来说，本公开涉及一种电池参数推测方法、装置、设备及介质。

技术介绍

[0002]电池的使用寿命推测具有重要意义，现有技术的技术方案不能满足用户对于电池的状态例如使用寿命等推测的需求，因此，本公开主要提供了一种通过深度学习/机器学习解决对于电池状态的推测的方法、装置、设备及介质。

技术实现思路

[0003]为解决现有技术不能满足用户的电池参数推测需求的技术问题。
[0004]为实现上述技术目的，本公开提供了一种电池参数推测装置，包括：
[0005]模型生成装置和数据处理装置；
[0006]其中，所述模型生成装置具体包括：
[0007]训练数据存储模块，用于存储训练数据；
[0008]训练数据获取模块，用于从所述训练数据存储模块中读取训练数据以进行模型训练；
[0009]模型训练模块，用于利用所述训练数据获取模块读取的训练数据进行模型训练得到电池参数推测模型；
[0010]第一模型存储模块，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池参数推测装置，其特征在于，包括：模型生成装置和数据处理装置；其中，所述模型生成装置具体包括：训练数据存储模块，用于存储训练数据；训练数据获取模块，用于从所述训练数据存储模块中读取训练数据以进行模型训练；模型训练模块，用于利用所述训练数据获取模块读取的训练数据进行模型训练得到电池参数推测模型；第一模型存储模块，用于存储所述模型训练模块训练得到的所述电池参数推测模型；模型发送模块，用于发送所述模型训练模块训练后的所述寿命推测模型；所述训练数据存储模块依次与所述训练数据获取模块、所述模型训练模块、所述第一模型存储模块以及所述模型发送模块相连接；其中，所述数据处理装置具体包括：模型参数获取模块，用于读取所述模型发送模块发送的所述电池参数推测计算模型；第二模型存储模块，用于存储所述模型参数获取模块获取的模型；输入数据获取模块，用于获取测定对象相关的输入数据并存储；输出数据生成模块，用于调用所述第二模型存储模块中存储的模型以及读取所述输入数据获取模块中的输入数据计算后并输出；其中，所述输入数据获取模块具体包括：输入数据获取子模块以及输入数据存储子模块；所述输出数据生成模块具体包括：输出数据计算子模块以及输出数据输出子模块；表示处理模块，用于调用所述输出数据生成模块的输出数据并进行处理得到可以显示的数据；显示模块，用于显示所述表示处理模块处理后得到的可以显示的数据。2.根据权利要求1所述的装置，其特征在于，还包括：模型训练参数训练模块，用于训练所述模型训练模块中模型训练的参数。3.根据权利要求2所述的装置，其特征在于，所述模型训练参数训练模块具体用于：利用深度学习模型、机械学习模型和/或线性回归分析方法对所述模模型训练模块中的参数进行训练。4.根据权利要求3所述的装置，其特征在于，所述深度学习模型具体包括：深度神经网络、卷积神经网络、循环神经网络、递归神经网络、长短期记忆网络和/或双向长短期记忆网络。5.一种电池参数推测方法，应用于如权利要求1～4任一项中所述的装置上，其特征在于，所述方法包括：利用所述模型生成装置生成模型并更新模型；利用所述数据处理装置读取并保存训练用数据；根据所述模型生成装置更新后的模型以及所述数据处理装置保存的训练用数据进行电池参数推测计算并输出；根据输出的电池参数推测计算结果判断当前模型的参数是否满足要求，若满足则以当前参数保存模型，若不满足则保存模型参数，分析计算模型参数后生成新的模型参数以更
新模型。6.根据权利要求5所述的方法，其特征在于，所述根据所述模型生成装置更新后的模型以及所述数据处理装置保存的训练用数据进行电池参数推测计算并输出具体包括：将a
i
～a
j
段数据分别输入n个阶段的第一电池参数推...

【专利技术属性】
技术研发人员：陈九廷，连源，黄天奇，
申请(专利权)人：连源，
类型：发明
国别省市：