System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电池健康,涉及一种基于集成学习法判断超薄柔性印刷电池健康状态的方法。
技术介绍
1、超薄柔性印刷电池的优点是超薄柔软,其安全性能高,在高温、弯折、刺穿、剪切、碾压等极端物理条件下不会发生燃烧爆炸,仍可正常使用。对环境友好,采用环保电极材料、水系电解液体系及前沿的封装技术,电池成品不含重金属,不污染环境。所以柔性电池应用于智能穿戴、医疗健康、物联网等领域。
2、现有预测电池健康状态的方法大多是基于简单的单一算法,这种方法虽然可以获得大致的健康状态,但是精确度不高。集成学习(ensemble learning)通过构建并结合多个学习器来完成学习任务,有时也被称为多分类器系统(multi-classifier system),显示出集成学习的一般结构:先产生一组“个体学习器”(individual learner),再用某种策略将它们结合起来。
技术实现思路
1、本专利技术所要解决的技术问题是:
2、为了解决现有超薄柔性电池健康状态预测方法仅提供一种精确度更高的判定依据而带来的精确度不高的问题,本专利技术提供一种基于集成学习法判断电池健康状态的方法。
3、为了解决上述技术问题,本专利技术采用的技术方案为:
4、一种基于集成学习法判断电池健康状态的方法,其特征在于,包括:
5、获取电池时间和电压以及这两个参数下对应的soh;
6、将获取的电池时间和电压作为svr支持向量机学习模型的输入,soh作为svr支
7、将获取的电池时间和电压作为bp神经网络学习模型的输入,soh作为bp神经网络学习模型的输出,进行训练;
8、将svr支持向量机学习模型和bp神经网络学习模型通过平均得到一个集成学习法模型,得到相应的电池soh预测值。
9、本专利技术进一步的技术方案:通过充放电循环测试获取电池时间和电压以及这两个参数下对应的soh,具体为:
10、采用的是恒流-恒压充电以及恒流放电:首先给电池采用0.5c的恒流充电模式i进行充电,使电池的端电压升高到截止电压u0时改用恒压u0充电的模式ii,当恒压充电的电流小于0.05c的时候停止充电过程,采用模式iii静置15分钟后再采用0.5c的电流进行恒流模式iv放电;如此循环,直到电池soh降低到80%,记录电池时间和电压以及这两个参数下对应的soh。
11、本专利技术进一步的技术方案:所述的q为当前的可用电量,q0为初始的可用电量。
12、本专利技术进一步的技术方案:所述的bp神经网络学习模型包括输入层、隐含层和输出层。
13、一种计算机系统,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的方法。
14、一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现上述的方法。
15、本专利技术的有益效果在于:
16、本专利技术提供的一种基于集成学习法判断电池健康状态的方法,根据实验所获得的数据,基于电池端电压的变化规律,分别采用支持向量机方法(svm)、bp神经网络算法和建立了估算soh的子学习器,再将两个子学习器进行结合,得到一个集成学习器用于判断超薄柔性电池健康状态的方法。本专利技术集成学习法较单一算法能够获得精确度更高的结果,解决了现有超薄柔性电池健康状态预测方法仅提供一种精确度更高的判定依据而带来的精确度不高的问题。
本文档来自技高网...【技术保护点】
1.一种基于集成学习法判断电池健康状态的方法,其特征在于,包括:
2.根据权利要求1所述的一种基于集成学习法判断电池健康状态的方法,其特征在于,通过充放电循环测试获取电池时间和电压以及这两个参数下对应的SOH,具体为:
3.根据权利要求2所述的一种基于集成学习法判断电池健康状态的方法,其特征在于,所述的Q为当前的可用电量,Q0为初始的可用电量。
4.根据权利要求1所述的一种基于集成学习法判断电池健康状态的方法,其特征在于,所述的BP神经网络学习模型包括输入层、隐含层和输出层。
5.一种计算机系统,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1所述的方法。
6.一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。
【技术特征摘要】
1.一种基于集成学习法判断电池健康状态的方法,其特征在于,包括:
2.根据权利要求1所述的一种基于集成学习法判断电池健康状态的方法,其特征在于,通过充放电循环测试获取电池时间和电压以及这两个参数下对应的soh,具体为:
3.根据权利要求2所述的一种基于集成学习法判断电池健康状态的方法,其特征在于,所述的q为当前的可用电量,q0为初始的可用电量。
4.根据权利要求1所述的一种基于集成学习法判断...
【专利技术属性】
技术研发人员:卢丞一,曹勇,曾立腾,曹永辉,黄桥高,裴毓,李炬晨,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:
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。