买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河南科技大学

摘要：本发明涉及一种基于AGA‑Elman算法的电池健康度预测方法，包括以下步骤：步骤1：数据获取；步骤2：数据预处理，将获得相关性较高的部分增量容量数据和获得电池健康度数据划分训练集、测试集，50%的数据设定为训练集，50%的数据设定为测试集；步骤3：AGA‑Elman预测模型训练，将步骤2的训练数据导入AGA‑Elman模型中进行训练。本申请能够给在数据量较少的准确预测电池健康度。

主权项：1.一种基于AGA-Elman算法的电池健康度预测方法，其特征在于，包括以下步骤：步骤1：数据获取，具体数据获取步骤为：S11、获取电池多个周期循环充放电的电池测试数据并做初步提取，选择提取包括电池的标称容量数据，放电阶段的全部周期的电压数据、电流数据、容量数据和放电时间数据；S12、根据所获得标称容量数据、容量数据采用第一计算公式获得电池健康度数据；S13、根据所获得的电压数据、电流数据、放电时间数据采用第二计算公式获得电池增量容量数据，并把获得的电池增量容量数据做降噪处理；S14、根据降噪处理完成的增量容量数据与电池健康度数据做皮尔逊相关性分析，根据相关性分析结果选择相关性较高的部分增量容量数据；步骤2：数据预处理；将步骤S14中获得相关性较高的部分增量容量数据和步骤S12中获得电池健康度数据划分训练集、测试集，50％的数据设定为训练集，50％的数据设定为测试集；步骤3：AGA-Elman预测模型训练，将步骤2的训练数据导入AGA-Elman模型中进行训练，具体训练步骤为：S31、确定网络结构；根据所述的训练数据，构建Elman神经网络，包含输入层，隐含层，输出层，承接层，承接层用于承载时间数据的记忆与传递，设定初始训练次数为1000次，目标误差0.000001，学习率0.01，输入层节点数为168，输出层节点数为1；S32、对Elman神经网络进行初始化，并且获得Elman神经网络的初始权值和阈值；S33、AGA优化Elman权值与阈值；AGA获取Elman神经网络初始权值和阈值并对其进行编码，设定初始种群数量，最大迭代次数，构建相应的适应度值函数，编写由个体适应度值、算法迭代次数决定的自适应交叉、变异概率；S34、进行交叉、变异和选择操作；S35、计算适应度值，判断是否达到优化目标，如果达到优化目标，则确定最优权值和阈值，如果未达到优化目标，则执行步骤S34；S36、确定获得最优的权值和阈值后，将最优权值和阈值赋给Elman神经网络，通过训练数据对Elman神经网络进行训练，从而得到准确的数据预测模型，完成对电池健康度的准确预测。

全文数据：

权利要求：

百度查询： 河南科技大学 一种基于AGA-Elman算法的电池健康度预测方法