[发明专利]一种基于PSO-ELM算法的电池健康状态预测方法在审
| 申请号： | 201911423856.9 | 申请日： | 2019-12-31 |
| 公开（公告）号： | CN111366848A | 公开（公告）日： | 2020-07-03 |
| 发明（设计）人： | 张持健;刘凯文;石倩 | 申请（专利权）人： | 安徽师范大学 |
| 主分类号： | G01R31/367 | 分类号： | G01R31/367;G01R31/392;G06N3/00;G06N3/08 |
| 代理公司： | 芜湖安汇知识产权代理有限公司 34107 | 代理人： | 赵中英 |
| 地址： | 241000 安徽省*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于PSO‑ELM算法的电池健康状态预测方法，包括如下步骤：步骤1：建立基于极限学习机ELM的神经网络模型；步骤2：初始化神经网络模型的参数；其中采用PSO算法确定神经网络模型中输入层到隐藏层的连接权重w和隐藏层的阈值b；步骤3：采用预先获取的训练样本对步骤2中确定参数后的神经网络采用ELM算法进行训练直至满足训练结束条件；步骤4：采用训练后的神经网络模型对电池健康状态进行预测。本发明可以准确快速的进行电池的健康状态的预测，可以实现对于电池的安全监测；模型的输入层参数更加准确可靠；采用极限学习机ELM算法实现的神经网络模型，避免了传统训练方法的反复迭代过程，减少了训练时间。 | ||
| 搜索关键词： | 一种 基于 pso elm 算法 电池 健康 状态 预测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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安徽师范大学，未经安徽师范大学许可，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/patent/201911423856.9/，转载请声明来源钻瓜专利网。
