龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：广东工业大学
摘要：基于量子粒子群优化混合神经网络的锂电池SOH预测方法，包括如下步骤：S1、对两组相同电池提取多维度健康特征并经过皮尔逊相关系数分析得到相关系数高的特征；S2、将一组电池的数据作为训练集数据，另一组电池的数据作为测试集数据；S3、将训练集数据输入到混合神经网络进行预测，即先输入挤压激励注意力增强的卷积神经网络以充分提取特征，再使用长短期记忆神经网络充分提取长时依赖关系；最后再使用量子粒子群进行超参数寻优以达到全局最优；S4、将测试集输入到基于量子粒子群优化混合神经网络，预测出锂电池的健康状态，并进行误差分析。
主权项：1.基于量子粒子群优化混合神经网络的锂电池SOH预测方法，其特征在于，包括如下步骤：S1、对两组相同电池提取多维度健康特征并经过皮尔逊相关系数分析得到相关系数高的特征；S2、将一组电池的数据作为训练集数据，另一组电池的数据作为测试集数据；S3、将训练集数据输入到混合神经网络进行预测，即先输入挤压激励注意力增强的卷积神经网络以充分提取特征，再使用长短期记忆神经网络充分提取长时依赖关系；最后再使用量子粒子群进行超参数寻优以达到全局最优；S4、将测试集输入到基于量子粒子群优化混合神经网络，预测出锂电池的SOH，并进行误差分析。
全文数据：
权利要求：
百度查询： 广东工业大学 基于量子粒子群优化混合神经网络的锂电池SOH预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号