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：南通乐创新能源有限公司

摘要：本发明公开一种基于SMOE模型和EIS融合数据的电池SOH和RUL联合预测方法，包括步骤：S1测试并采集电池数据。S2对不同来源的EIS、SOH和RUL数据进行整合。S3使用多个MLP子专家模型分别提取EIS数据特征：将融合后EIS数据，分别作为不同MLP模型的输入数据，提取不同的特征；作为门控网络模型的输入数据，用于训练不同专家子模型的权重。S4生成共享特征表示：将概率最高的2个MLP模型提取到的EIS特征与门控网络模型输出的对应专家权重进行加权求和，得到共享特征表示；S5同时预测电池SOH和RUL。本发明兼顾多源数据融合、多专家模型集成、特征共享等优势，能高性能高效率的预测SOH和RUL。

主权项：1.一种基于SMOE模型和EIS融合数据的电池SOH和RUL联合预测方法，其特征在于，包括如下步骤：步骤S1.测试并采集电池数据：采用专业的阻抗谱测试仪器，并且覆盖频率范围10-2HZ至105HZ，在频率范围中间选取5个至60个频率值，优选60个作为样例；记录每个频率对应的阻抗的实部和虚部数据，以及需要预测的目标值；步骤S2.对不同来源的EIS、SOH和RUL数据进行整合：对来自于不同测试条件下得到的EIS以及对应的SOH和RUL数据进行融合；通过计算不同数据集合的数量的最小公倍数，然后将每个数据集合进行上采样，使得每个数据集合的数量增加至它们的最小公倍数，并将数量增加之后的两组数据进行纵向拼接，得到融合之后的数据；步骤S3.使用多个MLP子专家模型分别提取EIS数据特征：将融合之后的EIS数据，分别作为不同MLP模型的输入数据，提取不同的特征；将融合之后的EIS数据，作为门控网络模型的输入数据，用于训练不同专家子模型的权重；步骤S4.生成共享特征表示：将概率最高的2个MLP模型提取到的EIS特征与门控网络模型输出的对应专家权重进行加权求和，得到共享特征表示，用于后续预测模型的输入；步骤S5.同时预测电池SOH和RUL：在共享特征表示之后是一个全连接层，全连接层对共享特征表示进行进一步提取，获得EIS的高层特征表达；全连接层之后是模型的输出层，输出层是有两个线性回归模型，分别对应的预测值是电池容量即SOH和剩余训练次数即RUL。

全文数据：

权利要求：

百度查询： 南通乐创新能源有限公司 一种基于SMOE模型和EIS融合数据的电池SOH和RUL联合预测方法