一种基于改进长短期记忆神经网络的动力电池故障诊断方法

背景技术：

技术实现思路

技术特征：

1.一种基于改进长短期记忆神经网络的动力电池故障诊断方法，其特征在于：所述方法是按照以下步骤实现的：步骤一，用电池测试系统对动力电池进行充放电测试，采样时间为30秒，循环阶段分为：(1)静置120秒、(2)以恒定1c电流进行充电，直到电压达到额定充电电压，(3)以额定电压进行充电，直到充电电流下降至20ma，(4)静置120秒，(5)以0.5c恒定电流进行放电，直到电压降为额定电压的75％，(6)静置120秒，记录测试时间、循环阶段、循环次数、电流、电压、充电容量、放电容量、内阻数据；

技术总结
一种基于改进长短期记忆神经网络的动力电池故障诊断方法，属于动力电池安全控制技术领域。本发明的目的是在于提供一种仅需少量的动力电池充放电数据，对动力电池进行故障诊断并输出动力电池健康状态的方法，以解决现有方法存在的诸多不足。本发明在长短期记忆神经网络的基础上，使用遗传算法对模型的超参数进行优化以获得最佳的网络结构和参数设置，随后使用锂电池充放电数据集进行训练，使用训练后的GA‑LSTM模型进行故障诊断，并得到健康状态。与现有的动力电池故障诊断方法相比，本方法具有精度更高、稳定性好和泛化能力强的优点。

技术研发人员：殷玉恒,宋佳浩
受保护的技术使用者：哈尔滨理工大学
技术研发日：
技术公布日：2024/1/5