欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024119155065
申请人: 昆明理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于Dozerformer模型的锂离子电池SOH-RUL联合估计方法,其特征在于,包括:S1、采用Dozerformer模型学习电池老化特征与SOH和RUL之间的映射关系,将电池老化特征分解为周期分量和趋势分量,引入由局部稀疏、步长稀疏和变化稀疏组成的稀疏注意机制学习周期分量中长期和短期特征,并采用线性层学习趋势分量特征信息;

S2、在模型训练中,通过光滑二次损失函数优化Dozerformer模型的权重和偏置;

S3、使用最优权重和偏置的Dozerformer模型对锂离子电池的SOH和RUL进行估计输出SOH-RUL估计结果。

2.根据权利要求1所述的锂离子电池SOH-RUL联合估计方法,其特征在于,对于一个输入序列X,其中L为序列长度,N为特征数量,Dozerformer模型主要计算过程如下:S1.1、将输入序列X分解为将趋势分量和周期分量;

S1.2、计算趋势分量上的预测结果;

S1.3、将周期分量采用维度不变嵌入到c个特征图中,并划分为p个补丁;

S1.4、利用Transformer编码器学习周期分量中的序列特征信息,并在自注意力机制中引入局部稀疏和步长稀疏策略,对注意力权重进行稀疏化处理,从而获得稀疏化后的注意力机制结果,随后,通过前馈网络层和残差连接,生成编码器的最终输出;

S1.5、利用Transformer解码器,通过自注意力机制结合交叉注意力机制,对编码器输出的信息进行解码,最终得到解码器的输出;

S1.6、采用1×1卷积得到周期分量上的预测结果;

S1.7、将趋势分量和周期分量上的预测结果相加得到最终结果。

3.根据权利要求2所述的锂离子电池SOH-RUL联合估计方法,其特征在于,局部稀疏是查询固定窗口上的权重,从而忽略余部分;对于一个大小为w的局部窗口,局部稀疏掩码矩阵可表示为:步长稀疏是查询固定步长上的权重,其他权重将其忽略置零;对于步长为s的步长稀疏掩码矩阵可表示为:此时,合并局部稀疏掩码矩阵和步长稀疏掩码矩阵得到自注意力机制上的稀疏掩码矩阵,如下式所示:利用式(17)得到稀疏化后的注意力机制结果为:

通过前馈网络层和残差连接得到编码器的输出为:

其中,ReLU为激活函数,LayerNorm为层标准化处理。

4.根据权利要求2所述的锂离子电池SOH-RUL联合估计方法,其特征在于,在S1.5中利用Transformer解码器通过自注意力机制和交叉注意力机制对编码器的信息进行解码,具体包括以下步骤:S1.5.1、采用与Transformer编码器相同的掩蔽多头自注意力机制对解码器的输入进行处理,获得多头自注意力的输出结果;

S1.5.2、将Transformer编码器的输出作为交叉注意力机制的键Key和值Value,并将解码器的输入作为查询Query,在交叉注意力机制中引入局部稀疏矩阵、步长稀疏矩阵和变化稀疏矩阵,对编码器信息进行解码,得到交叉注意力机制的输出结果;

S1.5.3、将多头自注意力机制的输出结果与交叉注意力机制的输出结果通过前馈网络层和残差连接进行融合,生成解码器的最终输出,即最终的预测结果。

5.根据权利要求4所述的锂离子电池SOH-RUL联合估计方法,其特征在于,在交叉注意力机制上的局部稀疏矩阵、步长稀疏矩阵、变化稀疏矩阵可以分别表示为:将局部稀疏矩阵、步长稀疏矩阵和变化稀疏矩阵合并得到交叉注意力机制上最终的稀疏矩阵为:稀疏化后得到交叉注意力机制结果为:

6.根据权利要求1所述的方法,其特征在于,光滑二次损失函数的表达式为:其中,α∈[0,1]为平滑系数,c∈(0,+∞),ya为序列真实值,为序列预测值。

7.根据权利要求1所述的锂离子电池SOH-RUL联合估计方法,其特征在于,电池老化特征为锂离子电池老化数据对应的特征,其中,锂离子电池老化数据包括:电池内阻、平均温度、充电容量、充电温度、放电容量和充电时间。