[发明专利]一种电动汽车动力电池剩余使用寿命预测方法有效
申请号: | 202110224012.2 | 申请日: | 2021-02-27 |
公开(公告)号: | CN112798961B | 公开(公告)日: | 2023-01-10 |
发明(设计)人: | 肖迁;穆云飞;贾宏杰;陆文标;侯恺;徐宪东;余晓丹 | 申请(专利权)人: | 天津大学 |
主分类号: | G01R31/367 | 分类号: | G01R31/367;G01R31/392;G01R31/382 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 300072*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 电动汽车 动力电池 剩余 使用寿命 预测 方法 | ||
1.一种电动汽车动力电池剩余使用寿命预测方法,其特征在于,所述方法包括:
(1)获取自适应损失函数相关参数,具体为:获取行驶工况下电池全生命周期容量数据后,通过自适应鲁棒损失函数得到超参数α和协调参数c,用于配置LightGBM的损失函数;
(2)基于多线程并行直方图处理数据;
(3)基于带宽度限制的按叶生长(Leaf-wise)方式训练模型;
(4)基于元学习超参数自动调优获取模型最优参数;
(5)完成剩余使用寿命预测。
2.根据权利要求1所述的一种电动汽车动力电池剩余使用寿命预测方法,其特征在于,所述基于多线程并行直方图处理数据具体为:
针对每一维特征,将连续的浮点型数据划分进离散的k个范围内,得到k个桶(bin),构造一个宽度为k的直方图。
3.根据权利要求1所述的一种电动汽车动力电池剩余使用寿命预测方法,其特征在于,所述基于带宽度限制的按叶生长(Leaf-wise)方式训练模型具体为:
Leaf-wise的生长方式是在每一次节点分裂时,选择增益最大的叶子节点进行生长,限制模型的复杂度,提升训练速度,避免过拟合。
4.根据权利要求1所述的一种电动汽车动力电池剩余使用寿命预测方法,其特征在于,所述基于元学习超参数自动调优获取模型最优参数具体为:
根据Hyperopt超参数优化框架,构建模型参数空间、LightGBM模型工厂和分数获取器;其中,模型工厂用于生产所需模型,分数获取器则是用于解耦;通过多轮迭代,获得模型最优参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110224012.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:机架及无人机
- 下一篇:先导式管道爆炸正反作用轴流式自闭阀