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：北京建筑大学

摘要：本公开提供了一种基于双重集成学习的锂电池生产定容的预测方法，包括：筛选训练电池；根据训练电池的统计特征数据训练得到整体预测模型；对训练电池进行分类训练，得到每个电池类别的分类预测模型；将整体预测模型和所有分类预测模型进行集成，得到预测模型群；根据训练电池的工步时间序列数据训练，得到时间序列预测模型；获取待测电池的统计特征数据和工步时间序列数据，根据待测电池的统计特征数据和工步时间序列数据的异常情况，使用不同预测模型进行待测电池的定容预测。本公开利用统计特征数据和工步时间序列数据，有效提高定容预测的精度；采用双重集成的预测方法，弥补单一类型数据异常对预测精度的影响，提升预测效率，减少电池返工率。

主权项：1.一种基于双重集成学习的锂电池生产定容的预测方法，其特征在于，包括：获取每个样本电池的统计特征数据、工步时间序列数据以及定容容量，并从所有所述样本电池中筛选出所述统计特征数据和所述工步时间序列数据均无异常的电池作为训练电池；将所述训练电池的所述统计特征数据和所述定容容量输入至轻量级梯度提升数模型中进行训练，得到整体预测模型；利用K-means聚类算法对所述训练电池进行分类，将所述训练电池划分为m个无交叉的电池类别，将每个电池类别的所述统计特征数据和所述定容容量分别输入至轻量级梯度提升数模型中进行训练，得到每个所述电池类别的分类预测模型；将所述整体预测模型和所有所述分类预测模型进行集成，得到预测模型群；将所述训练电池的所述工步时间序列数据和定容容量输入至深度学习模型进行训练，得到时间序列预测模型；获取待测电池的统计特征数据和工步时间序列数据，检测所述待测电池的统计特征数据和工步时间序列数据是否异常；在所述待测电池的统计特征数据和工步时间序列数据均无异常的情况下，使用所述预测模型群得到第一预测容量，使用所述时间序列预测模型得到第二预测容量，将所述第一预测容量和所述第二预测容量进行集成融合，得到所述待测电池的定容容量；在所述待测电池的所述统计特征数据正常，所述工步时间序列数据异常的情况下，使用所述预测模型群得到的第一预测容量作为所述待测电池的定容容量；在所述待测电池的所述统计特征数据异常，所述工步时间序列数据正常的情况下，使用所述时间序列预测模型得到的第二预测容量，作为所述待测电池的定容容量。

全文数据：

权利要求：

百度查询： 北京建筑大学 一种基于双重集成学习的锂电池生产定容的预测方法