科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明涉及锂电池性能预测技术领域,尤其涉及一种基于GBLSBooster多任务学习模型的锂电池性能预测方法,包括基于NASA锂电池数据集,筛选出实验数据集后,分别提取出与锂电池健康状态SOH和剩余使用寿命RUL相关的特征,并分别进行预处理,生成SOH训练样本、SOH测试样本、RUL训练样本和RUL测试样本；采用GBLS模块和Booster模块建立初步的GBLSBooster多任务学习模型；采用TPE算法对初步的模型进行超参数寻优；采用SOH训练样本、SOH测试样本、RUL训练样本和RUL测试样本进行训练和测试,输出锂电池健康状态SOH的评估结果和剩余使用寿命RUL的预测结果。本发明提出一套完整高质量的数据预处理方案,结合一个全新的高精度GBLSBooster多任务学习模型,提高锂电池的SOH评估与RUL预测的精度。
- 单位
