[發明專利]基于改進型極限學習機的鋰電池剩余使用壽命預測方法

有效

• 申請號: 202110362770.0
• 申請日: 2021-04-02
• 公開（公告）號: CN113203953B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 高晟耀;宋艷;郭慶穩;李沂濱;高輝
• 申請（專利權）人: 中國人民解放軍92578部隊;山東大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 羅文群

1.一種基于改進型極限學習機的鋰電池剩余使用壽命預測方法，包括以下步驟：

獲取鋰電池歷史監測數據，構成一個訓練數據集；

獲取實時采集的鋰電池數據，構成一個測試數據集；

構建一個改進型極限學習機，改進型極限學習機使用隱藏層節點數不同的線性變換和非線性變換方法，對訓練數據集和測試數據集分別進行處理，具體過程為：

設訓練數據集中，電流為電壓為溫度為N表示訓練樣本總數，t表示檢測次數，t＝1,2,...,N，M表示每個樣本的長度，則訓練數據集的特征矩陣為將訓練數據集的真實剩余使用壽命作為標簽，記標簽向量為

設測試數據集中，電流為電壓為溫度為N’表示測試數據集樣本總數，M表示每個樣本的長度，記測試數據集的特征矩陣為

將X^tr作為改進型極限學習機的輸入，改進型極限學習機的隱藏層對訓練數據集X^tr實現如下線性變換：

其中，和為改進型極限學習機隨機生成的參數矩陣，參數矩陣的范圍在[0,1]之間，β_C、β_V、β_T矩陣中同一列的數相等，在隨機初始化β_C、β_V、β_T時，隨機初始化三個大小分別為1×K₁、1×K₂、1×K₃的向量β_C,1、β_V,1、β_T,1，復制向量β_C,1、β_V,1、β_T,1N次，得到β_C、β_V、β_T矩陣，K₁、K₂、K₃分別為改進型極限學習機不同輸入的隱藏層節點數；

同時，改進型極限學習機在隱藏層和輸出層之間構建相鄰剩余使用壽命值對應的電流、電壓、溫度數據的前后相關性；

對改進型極限學習機進行訓練，通過最小化訓練數據集的預測結果與真實標簽的均方誤差確定改進型極限學習機的最優參數；

利用訓練好的改進型極限學習機，得到測試數據的預測結果，完成鋰電池剩余使用壽命預測。

2.如權利要求1所述的鋰電池剩余使用壽命預測方法，其特征在于其中所述的改進型極限學習機在隱藏層和輸出層之間構建相鄰檢測時間段數據的前后相關性，具體過程為：

改進型極限學習機在隱藏層和輸出層之間，進行以下操作，對做非線性變換，在隱藏層和輸出層之間構建相鄰檢測時間段數據的前后相關性H^tr(t)：

其中，s₁、s₂為權重參數，用于平衡t次檢測的特征值與t-1次檢測的非線性變換值H^tr(t-1)對H^tr(t)的影響，s₁、s₂根據訓練精度確定，取值范圍為[0,1]，初始化時，和分別為隨機生成的范圍在[0,1]之間的服從正態分布的參數矩陣，ξ_C、ξ_V、ξ_T為非線性變換函數，非線性變換后，隱藏層輸出矩陣為則輸出權重矩陣W_O如下：

其中，表示矩陣H^tr的廣義逆矩陣，參數s₁、s₂、K₁、K₂、K₃、ξ_C、ξ_V、ξ_T通過最小化訓練數據集的預測值與真實值的均方誤差來確定，權重矩陣W_O表示隱藏層輸出矩陣與輸出層輸出矩陣之間的變換關系。

3.如權利要求2所述的鋰電池剩余使用壽命預測方法，其特征在于其中所述的非線性變換函數為Sigmoid函數、Sin函數、三角基函數或徑向基函數。