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！
摘要：本发明公开一种基于HS‑MOE模型和EIS数据的预测电池SOH方法，包括步骤：S1.测试并采集电池EIS和SOH数据。S2.构建HS‑MOE模型：包含2层多专家模型和门控网络模型，每一个层级均包含多个专家子模型和一个门控网络模型；在每一专家层级中，每个子模型均是CNN‑Transformer模型。S3.训练和校验HS‑MOE模型：在Keras平台实现模型代码并训练，训练数据按8：2的比例分成训练集合和测试集合。S4.预测电池SOH：在模型训练完毕后部署并对电池SOH进行预测。本发明基于HS‑MOE模型，使用电池EIS数据预测电池SOH，提升模型表达能力和预测精度，提高模型鲁棒性和泛化能力。
主权项：1.一种基于HS-MOE模型和EIS数据的预测电池SOH方法，其特征在于，包括如下步骤：步骤S1.测试并采集电池EIS和SOH数据：采用专业的阻抗谱测试仪器，覆盖频率范围为10-2HZ至105HZ，在频率范围中间按一定间隔选取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.构建HS-MOE模型：HS-MOE模型包含2层多专家模型和门控网络模型，每一个层级均包含多个专家子模型和一个门控网络模型；在每一专家层级中，每个子模型均是CNN-Transformer模型；CNN自动学习输入数据的空间相关性，提取高层抽象特征；CNN模型提取输入数据的空间特征，Transformer模型建模电池EIS数据的时间相关模式；步骤S3.训练和校验HS-MOE模型：在Keras平台实现HS-MOE模型代码并训练，训练数据按8：2的比例分成训练集合和测试集合，在训练集合上训练模型，在测试集合上校验模型；步骤S4.预测电池SOH：在HS-MOE模型训练完毕之后，在模型效果良好的前提下，部署HS-MOE模型，并使用HS-MOE对电池的SOH进行预测。
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HS-MOE模型和EIS数据的预测电池SOH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