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：昆明理工大学
摘要：本发明涉及动力电池技术领域，且公开了一种基于阻抗特征选择和优化支持向量回归的锂离子电池SOH估计方法，首先进行数据采集、数据处理与特征提取、支持向量回归模型构建、麻雀搜索算法模型超参数寻优、混沌映射理论优化寻优过程，最后进行单体电池SOH计算；该方法通过基于电化学阻抗谱数据，利用序列前向搜索策略，结合多目标决策方法，实现阻抗特征的选择，并将混沌麻雀搜索算法应用到支持向量回归模型的超参数寻优中，构建单体电池SOH估计模型，能够有效追踪锂离子电池SOH的衰退轨迹，并采用特征优选的方法大幅度减少特征数量，去除了无关特征的干扰，降低了EIS特征测试时间，建立的优化支持向量回归模型，实现对电池SOH的准确估计。
主权项：1.一种基于阻抗特征选择和优化支持向量回归的锂离子电池SOH估计方法，其特征在于：包括以下步骤：S1、数据采集：在不同温度条件下对不同锂离子电池进行老化阻抗实验，直到电池放电容量低于初始容量的70％，实时记录电池充放电及电化学阻抗谱数据，包括充放电循环数据以及不同老化状态下的阻抗；S2、数据处理与特征提取：对步骤S1中得到的充放电数据及电化学阻抗谱数据进行预处理；分析电化学阻抗与电池老化之间的关系，基于序列前向搜索算法挑选阻抗特征，并应用多目标决策方法对序列前向搜索得到的特征子集进行优选，得到阻抗特征和SOH数据；S3、基于径向基核函数，选择惩罚系数、不敏感损失函数参数和核函数参数，构建支持向量回归模型；S4、麻雀搜索算法模型超参数寻优：将麻雀搜索算法应用到支持向量回归模型超参数寻优中，优化支持向量回归模型；S5、应用Sine混沌映射的混沌性代替麻雀算法初值的随机初始化过程，并基于步骤S2得到的数据集，对优化后的支持向量回归模型进行训练，得到训练完成的Sine-SSA-SVR模型；S6、单体电池SOH估算：基于步骤S5得到的Sine-SSA-SVR模型，输入阻抗特征，对锂离子电池SOH的估计。
全文数据：
权利要求：
百度查询： 昆明理工大学 一种基于阻抗特征选择和优化支持向量回归的锂离子电池SOH估计方法
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