基于多尺度特征提取网络估计锂电池健康状态的方法

本发明属于锂电池健康状态估计，更为具体地讲，涉及一种基于多尺度特征提取网络估计锂电池健康状态的方法。

背景技术：

1、锂电池在电子产品和电动汽车的中作为重要的储能部件，发挥着重要作用，随着锂电池驱动的电子设备广泛普及，电池安全问题逐渐受到广泛关注，通过充电数据估计电池健康状态具有重要意义。

2、但是，由于锂电池是一个强非线性系统，其老化特征在充电数据中的表现不明显且有限，因此通过电池充电数据估计健康状态仍具有挑战性。由于不需要特定的模型和详尽的电池相关专业知识，数据驱动方法具备更强的灵活性，得到了更广泛的应用。然而，现有数据驱动方法往往依赖于手动提取的特征，或是不加处理地直接从原始的长充电序列中提取老化特征，这样的做法限制了它们对数据的充分利用。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种基于多尺度特征提取网络估计锂电池健康状态的方法，将精细化序列处理方法与卷积注意力提取老化特征并融合，进而使用多层感知机进行估计锂电池健康状态。

2、为实现上述发明目的，本发明一种基于多尺度特征提取网络估计锂电池健康状态的方法，其特征在于，包括以下步骤：

3、(1)、数据采集与预处理，得到用于训练多尺度特征提取网络的数据集；

4、(2)、构建精细化建模的多尺度特征提取网络；

5、(3)、训练精细化建模的多尺度特征提取网络；

6、(4)、利用训练完成的多尺度特征提取网络估计待测锂电池的健康状态。

7、本发明的发明目的是这样实现的：

8、本发明基于多尺度特征提取网络估计锂电池健康状态的方法，先构建精细化建模的多尺度特征提取网络，再使用采集的数据集训练网络，直至收敛；然后根据收敛后的多尺度特征提取网络预测待测锂电池的健康状态；具体地讲，多尺度特征提取网络融合了精细化序列处理与卷积注意力特征提取，然后根据融合后的特征，使用多层感知机估计待测锂电池的健康状态，从而这样便获得更全面的锂电池老化特征，使预测的更加精确。

技术特征：

1.一种基于多尺度特征提取网络估计锂电池健康状态的方法，其特征在于，包括以下步骤：

技术总结本发明公开了一种基于多尺度特征提取网络估计锂电池健康状态的方法，先构建精细化建模的多尺度特征提取网络，再使用采集的数据集训练网络，直至收敛；然后根据收敛后的多尺度特征提取网络预测待测锂电池的健康状态；具体地讲，多尺度特征提取网络融合了精细化序列处理与卷积注意力特征提取，然后根据融合后的特征，使用多层感知机估计待测锂电池的健康状态，从而这样便获得更全面的锂电池老化特征，使预测的更加精确。技术研发人员：王敏,陈艺天,许志伟,郭东旭,程菲洋受保护的技术使用者：电子科技大学技术研发日：技术公布日：2024/9/2