【技术实现步骤摘要】
本专利技术涉及电池寿命预测，并具体涉及一种基于小样本学习算法的锂离子电池寿命预测方法和系统。
技术介绍
1、传统燃油汽车的污染和资源消耗问题日益突出，锂离子电池作为替代传统燃油的新能源，具备体积小、能量密度高、寿命周期长、零排放、无污染等优点，这些优点推动了新能源汽车行业的大力发展，具有广阔的市场前景和社会意义。因此，我国不断加大对新能源汽车电池项目的研发投入，国外方面，欧盟也已经建立了一系列的研究项目来促进电池健康预测的发展。
2、尽管锂离子电池技术目前已经处于比较成熟的阶段，但是锂离子电池在长期使用过程中，其内部会发生一系列的电化学反应和物理变化，使得电池性能和容量不可避免的出现衰退，从而致使锂离子电池的剩余使用寿命成为困扰其大规模应用的主要问题之一，因此需要对锂离子电池的剩余使用寿命作出预测。现阶段锂离子电池寿命的预测方法主要为基于数据驱动的预测方法。
3、基于数据驱动的预测方法，是从电池状态的监测数据中，如电压、电流、温度、阻抗等，直接挖掘电池退化信息及其演化规律等，在电池剩余寿命预测方向的任务目标为ru...
【技术保护点】
1.一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，所述支持集的时间序列表达式为所述支持集隐藏状态表达式为所述查询集的时间序列表达式为所述查询集隐藏状态表达式为所述时间步距的表达式为
3.根据权利要求2所述的一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，使用所述Bi-LSTM以隐藏状态的形式，获得所述支持集中的每个时间序列的每个时间步，其表达式为：
4.根据权利要求2所述的一种基于小样本学习算法的锂离子电池寿...
【技术特征摘要】
1.一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，所述支持集的时间序列表达式为所述支持集隐藏状态表达式为所述查询集的时间序列表达式为所述查询集隐藏状态表达式为所述时间步距的表达式为
3.根据权利要求2所述的一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，使用所述bi-lstm以隐藏状态的形式，获得所述支持集中的每个时间序列的每个时间步，其表达式为：
4.根据权利要求2所述的一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，利用所述lstm模块得到查询集时间序列的表达式为：式中，zt是时间步长t的隐藏状态，为查询集输入的一维时间序列中的连续标量值。
5.根据权利要求2所述的一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，利用所述注意力机制从所述支持集中提取知识的表达式为：
6.根据权利要求2所述的一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，使用所述注意力机制输出和所述查询集隐藏状态预测下一个时间步的值，表达式为：μ(x*；s,φ):＝g([a,z])；式中，μ为整个模型；x*为查询集输入的时间序列；s为支持集；a为注意力机制输出；z为lstm的输出；g为前馈神经网络。
7.根据权利要求1-6任一项权利要求所述的一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，对所述电池寿命实时数据进行归一化处理，定义x＝{x1,x2,…,xn}表示长度为n的容量输入序列，则归一化处理后，每个所述容量输入序列的大小映射为(0,1]之间的值。
8.根据权利要求1-6任一项权利要求所述的一种基于小样本学习算法的锂离子电池寿命预测方法，其特征在于，采用三次密封插值法和人工复核结合的方法对所述电池寿命实时数据进行数据去噪...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。