[发明专利]一种磷酸铁锂电池LOC估算方法和系统

权利要求书

1.一种磷酸铁锂电池LOC估算方法，其特征在于，包括以下步骤：

S1：建立小波神经网络模型，其中小波神经网络的数学模型表达为：

其中，x_i(t)为网络的第i个输入，I_j(t)为第j个小波基函数输入之和，S_j(t)为第j个小波的输出，ψ为小波函数，和y_k(t)为网络的第k个输出节点，e_k(t)为模型误差，为输入层到隐含层的权值，为隐含层到输出层的权值，为1；

S2：构建小波神经网络，包括：

(1)建立初始网络，其中所述初始网络由尺度为j的小波框架构成；

(2)进行训练，并在训练过程中判断误差是否变大，记录下误差变大之前的权值并作为当前网络的最终权值，同时，判断精度是否满足要求，若精度满足要求则停止训练，若精度不满足要求则并入尺度为j+1的子网络，并令本级网络的期望输出为上一级网络的误差，即对上一级网络的误差进行学习；

(3)以此类推，直到并入第m个子网络时，精度满足要求时结束训练，此时得到已训练好的整个网络的权值，小波神经网络构建完成；

S3：获取与磷酸铁锂电池LOC有关的输入参数；

S4：将所述输入参数输入至小波神经网络中进行数据处理，从而输出磷酸铁锂电池LOC值。

2.根据权利要求1所述的一种磷酸铁锂电池LOC估算方法，其特征在于，所述小波神经网络模型的拓扑结构包括输入层、隐含层和输出层。

3.根据权利要求2所述的一种磷酸铁锂电池LOC估算方法，其特征在于，所述隐含层的节点传输函数为小波基函数。

4.根据权利要求3所述的一种磷酸铁锂电池LOC估算方法，其特征在于，所述小波基函数采用Morlet函数，其数学公式为：

5.根据权利要求1所述的一种磷酸铁锂电池LOC估算方法，其特征在于，所述输入参数包括电流、电压、温度、放电速率和循环次数。

6.一种磷酸铁锂电池LOC估算系统，其特征在于，所述系统包括：

建模单元，用于建立小波神经网络模型，其中小波神经网络的数学模型表达为：

其中，x_i(t)为网络的第i个输入，I_j(t)为第j个小波基函数输入之和，S_j(t)为第j个小波的输出，ψ为小波函数，和y_k(t)为网络的第k个输出节点，e_k(t)为模型误差，为输入层到隐含层的权值，为隐含层到输出层的权值，为1；

网络构建单元，用于构建小波神经网络，包括：

(1)建立初始网络，其中所述初始网络由尺度为j的小波框架构成；

(2)进行训练，并在训练过程中判断误差是否变大，记录下误差变大之前的权值并作为当前网络的最终权值，同时，判断精度是否满足要求，若精度满足要求则停止训练，若精度不满足要求则并入尺度为j+1的子网络，并令本级网络的期望输出为上一级网络的误差，即对上一级网络的误差进行学习；

(3)以此类推，直到并入第m个子网络时，精度满足要求时结束训练，此时得到已训练好的整个网络的权值，小波神经网络构建完成；

获取单元，用于获取与磷酸铁锂电池LOC有关的输入参数；

处理单元，用于将所述输入参数输入至小波神经网络中进行数据处理，从而输出磷酸铁锂电池LOC值。

7.根据权利要求6所述的一种磷酸铁锂电池LOC估算系统，其特征在于，所述小波神经网络模型的拓扑结构包括输入层、隐含层和输出层。

8.根据权利要求6所述的一种磷酸铁锂电池LOC估算系统，其特征在于，所述隐含层的节点传输函数为小波基函数，所述小波基函数采用Morlet函数，其数学公式为：

9.根据权利要求6所述的一种磷酸铁锂电池LOC估算系统，其特征在于，所述输入参数包括电流、电压、温度、放电速率和循环次数。