[發明專利]一種磷酸鐵鋰電池LOC估算方法和系統有效
| 申請號： | 201710339846.1 | 申請日： | 2017-05-15 |
| 公開（公告）號： | CN107301266B | 公開（公告）日： | 2020-11-10 |
| 發明（設計）人： | 劉學鵬;周勤玲;趙冬梅 | 申請（專利權）人： | 中山職業技術學院 |
| 主分類號： | G06F30/20 | 分類號： | G06F30/20;G06N3/04 |
| 代理公司： | 廣州嘉權專利商標事務所有限公司 44205 | 代理人： | 肖軍 |
| 地址： | 528404 廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 磷酸 鋰電池 loc 估算 方法 系統 | ||
1.一種磷酸鐵鋰電池LOC估算方法，其特征在于，包括以下步驟：
S1：建立小波神經網絡模型，其中小波神經網絡的數學模型表達為：
其中，xi(t)為網絡的第i個輸入，Ij(t)為第j個小波基函數輸入之和，Sj(t)為第j個小波的輸出，ψ為小波函數，和yk(t)為網絡的第k個輸出節點，ek(t)為模型誤差，為輸入層到隱含層的權值，為隱含層到輸出層的權值，為1；
S2：構建小波神經網絡，包括：
(1)建立初始網絡，其中所述初始網絡由尺度為j的小波框架構成；
(2)進行訓練，并在訓練過程中判斷誤差是否變大，記錄下誤差變大之前的權值并作為當前網絡的最終權值，同時，判斷精度是否滿足要求，若精度滿足要求則停止訓練，若精度不滿足要求則并入尺度為j+1的子網絡，并令本級網絡的期望輸出為上一級網絡的誤差，即對上一級網絡的誤差進行學習；
(3)以此類推，直到并入第m個子網絡時，精度滿足要求時結束訓練，此時得到已訓練好的整個網絡的權值，小波神經網絡構建完成；
S3：獲取與磷酸鐵鋰電池LOC有關的輸入參數；
S4：將所述輸入參數輸入至小波神經網絡中進行數據處理，從而輸出磷酸鐵鋰電池LOC值。
2.根據權利要求1所述的一種磷酸鐵鋰電池LOC估算方法，其特征在于，所述小波神經網絡模型的拓撲結構包括輸入層、隱含層和輸出層。
3.根據權利要求2所述的一種磷酸鐵鋰電池LOC估算方法，其特征在于，所述隱含層的節點傳輸函數為小波基函數。
4.根據權利要求3所述的一種磷酸鐵鋰電池LOC估算方法，其特征在于，所述小波基函數采用Morlet函數，其數學公式為：
5.根據權利要求1所述的一種磷酸鐵鋰電池LOC估算方法，其特征在于，所述輸入參數包括電流、電壓、溫度、放電速率和循環次數。
6.一種磷酸鐵鋰電池LOC估算系統，其特征在于，所述系統包括：
建模單元，用于建立小波神經網絡模型，其中小波神經網絡的數學模型表達為：
其中，xi(t)為網絡的第i個輸入，Ij(t)為第j個小波基函數輸入之和，Sj(t)為第j個小波的輸出，ψ為小波函數，和yk(t)為網絡的第k個輸出節點，ek(t)為模型誤差，為輸入層到隱含層的權值，為隱含層到輸出層的權值，為1；
網絡構建單元，用于構建小波神經網絡，包括：
(1)建立初始網絡，其中所述初始網絡由尺度為j的小波框架構成；
(2)進行訓練，并在訓練過程中判斷誤差是否變大，記錄下誤差變大之前的權值并作為當前網絡的最終權值，同時，判斷精度是否滿足要求，若精度滿足要求則停止訓練，若精度不滿足要求則并入尺度為j+1的子網絡，并令本級網絡的期望輸出為上一級網絡的誤差，即對上一級網絡的誤差進行學習；
(3)以此類推，直到并入第m個子網絡時，精度滿足要求時結束訓練，此時得到已訓練好的整個網絡的權值，小波神經網絡構建完成；
獲取單元，用于獲取與磷酸鐵鋰電池LOC有關的輸入參數；
處理單元，用于將所述輸入參數輸入至小波神經網絡中進行數據處理，從而輸出磷酸鐵鋰電池LOC值。
7.根據權利要求6所述的一種磷酸鐵鋰電池LOC估算系統，其特征在于，所述小波神經網絡模型的拓撲結構包括輸入層、隱含層和輸出層。
8.根據權利要求6所述的一種磷酸鐵鋰電池LOC估算系統，其特征在于，所述隱含層的節點傳輸函數為小波基函數，所述小波基函數采用Morlet函數，其數學公式為：
9.根據權利要求6所述的一種磷酸鐵鋰電池LOC估算系統，其特征在于，所述輸入參數包括電流、電壓、溫度、放電速率和循環次數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中山職業技術學院，未經中山職業技術學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710339846.1/1.html，轉載請聲明來源鉆瓜專利網。
