[发明专利]基于梯度优化多物理信息神经网络的电池热失控预测方法在审
| 申请号： | 202310699901.3 | 申请日： | 2023-06-14 |
| 公开（公告）号： | CN116430245A | 公开（公告）日： | 2023-07-14 |
| 发明（设计）人： | 张艳辉;李卫华 | 申请（专利权）人： | 威海谱跃光电科技有限公司 |
| 主分类号： | G01R31/367 | 分类号： | G01R31/367;H01M10/42;G16C10/00;G16C20/10;G16C20/70;G06N3/045;G06N3/0499;G06N3/084;G06F17/12 |
| 代理公司： | 威海佩敏专利代理事务所(普通合伙) 37284 | 代理人： | 宋益敏;杨峰 |
| 地址： | 264200 山东省威海*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请属于电池技术领域，提供一种基于梯度优化多物理信息神经网络的电池热失控预测方法，包括以下步骤：建立锂离子电池热失控的多参数耦合模型；构造多物理信息神经网络，所述多物理信息神经网络的输入为时间、环境温度及锂离子电池的至少两个空间分布变量，输出为锂离子电池的温度及其所含的锂离子的无量纲浓度，损失函数基于所述多参数耦合模型确定；使用训练数据对多物理信息神经网络进行训练并在训练过程中对反向传播梯度进行优化；使用经过训练的多物理信息神经网络预测锂离子电池的热失控过程。本申请基于锂离子电池热失控的多参数物理机制对神经网络预测模型的训练过程进行监督及优化，能够有效提升预测精度及稳健程度。 | ||
| 搜索关键词： | 基于 梯度 优化 物理 信息 神经网络 电池 失控 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威海谱跃光电科技有限公司，未经威海谱跃光电科技有限公司许可，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/202310699901.3/，转载请声明来源钻瓜专利网。
