[發明專利]一種剩余電量的估計方法及系統

在審

• 申請號: 201810245502.9
• 申請日: 2018-03-23
• 公開（公告）號: CN110298467A
• 公開（公告）日: 2019-10-01
• 發明（設計）人: 高曉艷;晁涌耀;李慶;趙野
• 申請（專利權）人: 中國科學院微電子研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00;G06N3/12
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種剩余電量的估計方法，其特征在于，包括：

獲取待估計電池對應的剩余電量估計神經網絡模型；

依據所述剩余電量估計神經網絡模型，確定所述剩余電量估計神經網絡模型的權值和閾值；

依據遺傳算法分別確定所述權值和所述閾值的目標權值和目標閾值；

將所述目標權值和所述目標閾值傳遞到所述剩余電量估計神經網絡模型模型進行計算，得到所述待估計電池的剩余電量。

2.根據權利要求1所述的方法，其特征在于，依據遺傳算法分別確定所述權值和所述閾值的目標權值和目標閾值包括：

對每一個種群依據預設的適應度函數進行適應度計算，得到其對應的適應度值；

對各個種群依據其對應的適應度值進行篩選，得到目標種群集；

依據所述目標種群集中的每一個目標種群適應度值，確定目標權值和目標閾值。

3.根據權利要求2所述的方法，其特征在于，對各個種群依據其對應的適應度值進行篩選，得到目標種群集包括：

對所述各個種群的適應度值依據降序進行排序，依據排序結果進行篩選，得到第一種群集；

對所述第一種群集的各個第一種群進行交叉計算，得到第二種群集，依據所述第二種群集中的各個第二種群的適應度值對所述第二種群集進行篩選，得到目標種群集。

4.根據權利要求3所述的方法，其特征在于，對所述第一種群集的各個第一種群進行交叉計算，得到第二種群集，依據所述第二種群集中的各個第二種群的適應度值對所述第二種群集進行篩選，得到目標種群集還包括：

選取所述目標種群集中的目標種群進行變異計算。

5.根據權利要求2所述的方法，其特征在于，依據所述目標種群集中的每一個目標種群適應度值，確定目標權值和目標閾值包括：

將每一個目標種群的適應度值與預設的目標適應度值區間進行比較，確定落在所述目標適應度值區間內的各個目標種群；

判斷落在所述目標適應度值區間內的各個目標種群的數量是否為零；

若否，將所述各個目標種群中適應度值最大的目標種群的權值和閾值作為目標權值和目標閾值。

6.根據權利要求5所述的方法，其特征在于，還包括:

若是，重復執行所述目標權值和所述目標閾值的計算過程，當計算的次數滿足預設的計算次數閾值時，在目標種群集中選取目標權值和目標閾值。

7.根據權利要求1所述的方法，其特征在于，將所述目標權值和所述目標閾值傳遞到所述剩余電量估計神經網絡模型模型進行計算，得到所述待估計電池的剩余電量包括：

將所述目標權值和所述目標閾值傳遞到所述剩余電量估計神經網絡模型；

依據預設的誤差函數對所述剩余電量估計神經網絡模型的誤差進行計算；

判斷誤差結果是否小于預設的誤差閾值；

當小于時，將所述目標權值和目標閾值傳遞到所述剩余電量估計神經網絡模型進行計算，得到所述待估計電池的剩余電量。

8.根據權利要求7所述的方法，其特征在于，還包括：

當大于時，將所述目標權值和所述目標閾值進行更新。

9.一種剩余電量的估計系統，其特征在于，包括：

獲取模塊，用于獲取待估計電池對應的剩余電量估計神經網絡模型；

第一確定模塊，用于依據所述剩余電量估計神經網絡模型，確定所述剩余電量估計神經網絡模型的權值和閾值；

第二確定模塊，用于依據遺傳算法分別確定所述權值和所述閾值的目標權值和目標閾值；

計算模塊，用于將所述目標權值和所述目標閾值傳遞到所述剩余電量估計神經網絡模型模型進行計算，得到所述待估計電池的剩余電量。

10.根據權利要求9所述的系統，其特征在于，所述第二確定模塊包括：

計算單元，用于對每一個種群依據預設的適應度函數進行適應度計算，得到其對應的適應度值；

篩選單元，用于對各個種群依據其對應的適應度值進行篩選，得到目標種群集；

確定單元，用于依據所述目標種群集中的每一個目標種群適應度值，確定目標權值和目標閾值。