基于MLP-LSTM分类模型的锂电池剩余寿命预测方法及设备
发明专利本发明的一种基于MLP‑LSTM分类模型的锂电池剩余寿命预测方法及设备,包括以下步骤:对锂电池进行充放电实验获得各项电池观测数据,建立原始老化数据集;根据计算得到的电池容量去除异常的充放电观测数据,获取去除异常值的锂电池数据集;计算电池健康状态(SOH),以SOH=80%为界将数据集分为两类;使用MLP‑LSTM模型对数据集进行二分类训练,获取最优模型权重;利用最佳模型计算新的锂电池数据集SOH=80%时的充放电循环次数,从而得到电池剩余寿命(RUL)。本发明相较于传统RUL预测方法,使用的二分类模型,降低了操作复杂性,占用的计算资源更少,方便在嵌入式系统或移动设备上部署。
《基于MLP-LSTM分类模型的锂电池剩余寿命预测方法及设备》是一发明专利,专利号为 2024112445669,当前法律状态为已下证,由合肥工业大学提出申请,发明人为陈波;魏嘉乐;李育玲;李尧;储昭碧;朱敏;仝玮;杜雲,申请日期为2024-09-06,公开(公告)日期为2024-10-11,国际专利分类号(IPC)为 G01R31/367(2019.01)I;G01R31/392(2019.01)I;G06N3/0442(2023.01)I;G06F18/24(2023.01)I,高新资质:未报高企,所属技术领域包括:工业过程控制。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明的一种基于MLP‑LSTM分类模型的锂电池剩余寿命预测方法及设备,包括以下步骤:对锂电池进行充放电实验获得各项电池观测数据,建立原始老化数据集;根据计算得到的电池容量去除异常的充放电观测数据,获取去除异常值的锂电池数据集;计算电池健康状态(SOH),以SOH=80%为界将数据集分为两类;使用MLP‑LSTM模型对数据集进行二分类训练,获取最优模型权重;利用最佳模型计算新的锂电池数据集SOH=80%时的充放电循环次数,从而得到电池剩余寿命(RUL)。本发明相较于传统RUL预测方法,使用的二分类模型,降低了操作复杂性,占用的计算资源更少,方便在嵌入式系统或移动设备上部署。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
