基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法专利查询检索|基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法专利申请-路标网

商标
专利
政策

专利名

专利名
申请号
申请人
权利人
代理机构

或

免费

专利名称 1 申请号申请人权利人代理机构

专利申请专利分类表专利评估专利年费计算专利政策

专利类型：

专利有效性：

法律状态：

高级筛选：

申请年份

公开年份

IPC分类号

申请人

当前权利人

路标网共为您找到相关结果1个

公开(公告)时间

申请时间

只看在售

基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法

发明专利有效专利

申请号：CN202010605779.5
申请人：三峡大学
申请日：2020-06-29
主分类号：G01R31/392
公开（公告）日：2020-10-02
公开/公告号：CN111736084A

委托购买

摘要：基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法，通过在线监测装置每日测量得到蓄电池的浮充电压、均充电流、均充时长、放电截止电压、放电时长输入数据，蓄电池容量通过每两个月一次的核对性均衡充电测得。以n天为时间跨度，建立n维的样本输入x(ti)。以蓄电池容量数据序列h(ti)作为输出，x(ti)作为输入，建立一个包含多个LSTM神经网络单元的神经网络模型。初始状态下，通过随机生成0到1之间的小数，为网络中的权重矩阵W和偏置矩阵b进行赋值。引入Dropout算法改进LSTM神经网络模型，对其训练过程进行改进。本发明可以减少因数据样本不足导致的预测精度过低和欠拟合问题，对变电站蓄电池健康状态进行准确预测，提高蓄电池利用率。

著录信息权利要求说明书PDF全文法律状态引证文献

前往

页

没找到想要的结果？为您推荐专业专利顾问检索 基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法 专利，更快更准确

免费

我想查:已帮助11140367位用户进行查询

VR授课方法、装置和系统

发明授权

基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法

在售专利 早买早用

您正在查看基于改进LSTM神经网络的阀控铅酸蓄电池健康状态预测方法专利

在售专利早买早用