[發明專利]一種基于LSTM的鋰電池壽命預測方法

有效

• 申請號: 202110778444.8
• 申請日: 2021-07-09
• 公開（公告）號: CN113536671B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 馬劍;徐沛洋;許庶;陶來發;程玉杰;丁宇;王超;索明亮;呂琛
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/18;G06N3/0442;G06N3/08;G06F119/04
• 代理公司: 北京元本知識產權代理事務所(普通合伙) 11308
• 代理人: 李斌

1.一種基于LSTM的鋰電池壽命預測方法，包括：

獲取鋰電池的容量退化數據集；

將所述容量退化數據集進行預處理，所述預處理包括：

數據歸一化處理，所述數據歸一化方法為min-max標準化：

數據集劃分，以在模型訓練前，將數據集劃分為訓練集和測試集；

構建基于LSTM的剩余壽命預測模型，其特征在于，

所述剩余壽命預測模型是基于處理時間序列數據的神經網絡RNN和長短期記憶(LSTM)網絡的，所述LSTM用來消除RNN網絡中存在的梯度爆炸和梯度消失問題；

在構建基于LSTM的剩余壽命預測模型后，進一步構建三個鋰電池本地壽命預測模型和一個中央服務器端全局壽命預測模型，并且其中；

所述LSTM為網絡結構，其中的任一個LSTM單元里面包括遺忘門、輸入門和輸出門；

所述三個鋰電池本地壽命預測模型結構相同，其模型結構包括兩個LSTM層，兩個Dropout層防止過擬合和一個頂層的預測輸出層；

最后，將所述訓練集送入已構建的鋰電池本地壽命預測模型和中央服務器端全局壽命預測模型，并進行模型訓練，輸出鋰電池預測剩余壽命。

2.根據權利要求1所述的基于LSTM的鋰電池壽命預測方法，其特征在于，所述兩個LSTM層的激活函數為雙曲正切tanh函數，最后輸出層Dense層的激活函數為線性linear函數，Dropout?rate設定為0.3。

3.根據權利要求1所述的基于LSTM的鋰電池壽命預測方法，其特征在于，在所述遺忘門中，進行如下操作：

將前一時刻的信息在傳入下一時刻之前經過選擇性的拋棄：將h_t-1和x_t帶入如下的公式計算得出一個屬于[0，1]之間的向量，向量的值表示細胞狀態C_t-1中有多少信息被保留或拋棄；0表示沒有保留，1表示所有都保留；

f_t＝σ(W_f·[h_t-1，x_t]+b_f)。

4.根據權利要求3所述的基于LSTM的鋰電池壽命預測方法，其特征在于，進一步決定向單元狀態添加何種新信息：i_t是更新信息的權重系數，將h_t-1和x_t代入下述公式可以得到所述i_t，然后通過激活函數tanh，使用h_t-1和x_t生成新的候選狀態向量其中有：

i_t＝σ(W_i·[h_t-1，x_t]+b_i)

5.根據權利要求4所述的基于LSTM的鋰電池壽命預測方法，其特征在于，通過如下公式可以更新狀態信息，其中：

細胞的輸出也需要根據h_t-1和x_t來判斷，首先將h_t-1和x_t帶入得到判斷條件，然后將Ct帶入tanh激活函數計算出一個屬于[-1，1]之間的向量，再乘以判斷條件便得到最終輸出，其中：

o_t＝σ(W_o[h_t-1，x_t]+b_o)

h_t＝o_t*tanh(C_t)。

6.根據權利要求1-5中任一項所述的基于LSTM的鋰電池壽命預測方法，其特征在于，在模型訓練過程中，批訓練樣本batch_size＝32，單個樣本數據長度為50，模型訓練選擇優化器Adam，學習率為0.001，訓練次數epochs為20。