[发明专利]一种基于交叉流形嵌入迁移学习的电池SOH预测方法有效
| 申请号： | 202110346401.2 | 申请日： | 2021-03-31 |
| 公开（公告）号： | CN113094985B | 公开（公告）日： | 2022-06-14 |
| 发明（设计）人： | 盛瀚民;周圆;邵晋梁;石磊;白利兵;米金华 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06F17/15;G06F17/16;G06F17/18 |
| 代理公司： | 成都行之专利代理事务所(普通合伙) 51220 | 代理人： | 温利平 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 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交叉流形嵌入迁移学习的电池SOH预测方法，将电池的一次充放电过程所提取的特征与SOH值作为一个循环的样本点，而辅助电池每一次循环提取的源域数据集和新电池前t次循环提取的目标域数据集在特征空间中被视为两个不同的流形。将新电池的目标域数据作为辅助电池的源域数据的锚点集，对于每一个源域样本点，在锚点集中找到关于SOH值的K个近邻点，求解最优权重使得源域样本点能够映射到K个近邻所在的流形，再根据最优权重与K个近邻的特征将源域样本点的特征进行映射。由此将源域数据集嵌入目标域流形中，从而在不丢失特征维度的情况下实现低维数据的特征迁移，由此提高机器学习方法的跨场景泛化性能。 | ||
| 搜索关键词： | 一种 基于 交叉 流形 嵌入 迁移 学习 电池 soh 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电子科技大学，未经电子科技大学许可，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/202110346401.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种制备二氧化钛超透镜的大面积加工工艺
- 下一篇：一种五金加工用机械运输装置
