[發(fā)明專利]一種基于LSTM-FFNN的電動(dòng)叉車鋰離子電池健康狀態(tài)預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010079916.6
• 申請(qǐng)日: 2020-02-04
• 公開（公告）號(hào): CN111308375B
• 公開（公告）日: 2021-12-07
• 發(fā)明（設(shè)計(jì)）人: 童哲銘;苗嘉智
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué);杭叉集團(tuán)股份有限公司
• 主分類號(hào): G01R31/392
• 分類號(hào): G01R31/392;G01R31/367
• 代理公司: 杭州天昊專利代理事務(wù)所(特殊普通合伙) 33283
• 代理人: 何碧珩

1.一種基于LSTM-FFNN的電動(dòng)叉車鋰離子電池健康狀態(tài)預(yù)測(cè)方法，其特征在于,包括以下步驟：

S1：建立基于LSTM的時(shí)間尺度參數(shù)預(yù)測(cè)模型,以預(yù)測(cè)放電過(guò)程中時(shí)間尺度參數(shù)開路電壓V的變化；

S11：設(shè)定神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)為L(zhǎng)1，設(shè)定神經(jīng)網(wǎng)絡(luò)隱藏層層數(shù)N1和神經(jīng)元個(gè)數(shù)L2，完成從輸入空間U^M到輸出空間U^T的映射，即根據(jù)前m個(gè)時(shí)刻的開路電壓預(yù)測(cè)后續(xù)時(shí)刻的開路電壓；

S12：設(shè)移動(dòng)步長(zhǎng)為l，對(duì)時(shí)間尺度參數(shù)開路電壓數(shù)據(jù)進(jìn)行分解和重構(gòu)，建立訓(xùn)練樣本V到預(yù)測(cè)樣本的映射關(guān)系如下：

其中，V中的每一行對(duì)應(yīng)一個(gè)訓(xùn)練輸入樣本，長(zhǎng)度為l，預(yù)測(cè)數(shù)據(jù)長(zhǎng)度為m，經(jīng)LSTM模型計(jì)算得到開路電壓預(yù)測(cè)值為

S13：將S12所得數(shù)據(jù)經(jīng)LSTM模型計(jì)算得到開路電壓預(yù)測(cè)值作為時(shí)間尺度參數(shù)預(yù)測(cè)模型；

在訓(xùn)練過(guò)程中，每個(gè)神經(jīng)元的輸入包括前一時(shí)刻的單元狀態(tài)c^(t-1)、前一時(shí)刻的輸出h^(t-1)以及當(dāng)前時(shí)刻的輸入V^(t)，利用LSTM來(lái)決定前一時(shí)刻的信息被保留或丟棄，f^(t)作為判定依據(jù)，取值為1則保留，取值為0則丟棄，，運(yùn)算規(guī)則如下：

f^(t)＝σ(W_fxV^(t)+W_fhh^(t-1)+b_f)；

其中W_fx和W_fh分別為對(duì)應(yīng)函數(shù)當(dāng)前時(shí)刻的輸入值和前一時(shí)刻輸出值的權(quán)值，b_f為偏置參數(shù)；

計(jì)算當(dāng)前時(shí)刻輸入的保留信息i^(t)和新的狀態(tài)信息a^(t)：

i^(t)＝σ(W_ixV^(t)+W_ihh^(t-1)+b_i)，a^(t)＝tanh(W_axV^(t)+W_ahh^(t-1)+b_a)；

其中，W_ix和W_ax為對(duì)應(yīng)函數(shù)當(dāng)前時(shí)刻的輸入值的權(quán)值，W_ih和W_ah分別為對(duì)應(yīng)函數(shù)前一時(shí)刻輸出值的權(quán)值，b_i和b_a分別為對(duì)應(yīng)函數(shù)的偏置參數(shù)；

設(shè)c^(t)為當(dāng)前時(shí)刻單元狀態(tài)，則LSTM神經(jīng)元的狀態(tài)更新為：

c^(t)＝a^(t)×i^(t)+c^(t-1)×f^(t)；

計(jì)算中間函數(shù)o^(t)和當(dāng)前輸出信息h^(t)：

o^(t)＝σ(W_oxV^(t)+W_ohh^(t-1)+b_o)，h^(t)＝tanh(c^(t))×o^(t)；

其中W_ox和W_oh分別為對(duì)應(yīng)函數(shù)當(dāng)前時(shí)刻的輸入值和前一時(shí)刻輸出值的權(quán)值，b_o為偏置參數(shù)；

LSTM模型的訓(xùn)練采用均方誤差(MSE，mean square error)作為損失函數(shù)：

其中為第i個(gè)時(shí)刻v_i的預(yù)測(cè)值；

根據(jù)損失函數(shù)構(gòu)建如下成本函數(shù)：

則對(duì)各函數(shù)權(quán)值ω和偏置參數(shù)b做如下迭代計(jì)算：

其中k為迭代訓(xùn)練的次數(shù)，α為學(xué)習(xí)率，代表迭代學(xué)習(xí)的速度；當(dāng)成本函數(shù)J₁(ω,b)達(dá)到最小值時(shí)，模型的迭代訓(xùn)練終止，保存LSTM模型；

S2：從時(shí)間尺度參數(shù)預(yù)測(cè)模型的開路電壓V中提取循環(huán)尺度參數(shù)放電至最小電壓的時(shí)間T_min；

S3：建立基于FFNN的循環(huán)尺度參數(shù)預(yù)測(cè)模型，以預(yù)測(cè)鋰電池容量C，從而得到鋰電池健康狀態(tài)預(yù)測(cè)值SOH。