公开(公告)号：CN113848493A

公开(公告)日：2021-12-28

申请号：CN202111042948.X

申请日：2021-09-07

Applicant: 北京交通大学

Inventor： 张彩萍 ,  贾新羽 ,  张维戈 ,  张琳静 ,  周兴振 ,  杨思嘉 ,  杜净彩

IPC: G01R31/392

Abstract: 本发明公开了一种基于机器学习的三元锂离子电池早期加速老化诊断方法，从三元锂离子电池放电容量‑电压曲线、放电IC曲线和放电DV曲线上提取表征三元锂离子电池的健康状态的17个老化特征参数，然后利用新的组合算法对三元锂离子电池的加速老化进行早期地准确诊断，首先通过随机森林选择重要特征，然后再通过线性相关分析降低重要特征线性相关性，最后通过逻辑回归模型判断加速老化，实现三元锂离子电池的加速老化早期准确诊断，从而在早期判断三元锂离子电池是否会发生加速老化，为锂离子电池的健康状态管理与健康状态评估提供重要的信息。

公开(公告)号：CN118465548A

公开(公告)日：2024-08-09

申请号：CN202410495281.6

申请日：2024-04-23

Applicant: 北京交通大学

Inventor： 杨思嘉 ,  张彩萍 ,  张琳静 ,  张维戈 ,  陈浩泽 ,  王瑾瑜 ,  侯林涛 ,  张言茹 ,  牛利勇

IPC: G01R31/367 ,  G01R31/388 ,  G01R31/396

Abstract: 本发明公开了一种锂离子电池组工况容量估计方法，属于锂离子电池技术领域的。基于电池组运行的部分充电过程提取的特征参数和生成的单体层面、电池组层面的标签数据，结合机器学习算法建立了锂离子电池组工况容量估计模型；与传统无标签生成方法相比，实现了少量训练样本实车充电工况下电池组工况容量的高精度估计，解决了现有机器学习方法需要电池组大量老化数据的问题，缩短了老化测试周期、降低了人力物力成本；同时本发明提出的特征参数提取方法具有实车可获取性，为实车工况下的锂离子电池组状态估计等研究奠定了基础，对电池组工况容量估计具有重要意义，有一定的工程应用价值。