一种基于深度卷积神经网络的燃料电池寿命预测方法

发明专利有效专利

申请号：
CN201910260003.1
IPC分类号：G06F17/50;G06Q10/04;G06N3/04;G06N3/08
申请日期：
2019-04-02
申请人：
西南交通大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度卷积神经网络的燃料电池寿命预测方法
申请号	CN201910260003.1	申请日期	2019-04-02
法律状态	实质审查	申报国家	中国
公开/公告日	2019-07-26	公开/公告号	CN110059377A
优先权	暂无	优先权号	暂无
主分类号	G06F17/50 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/50 计算机辅助设计（静态存储的测试电路的设计入G11C 29/54）〔6，8〕	IPC分类号	G;0;6;F;1;7;/;5;0;;;G;0;6;Q;1;0;/;0;4;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	西南交通大学	申请人地址	四川省成都市二环路北一段变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西南交通大学	当前权利人	西南交通大学
发明人	张雪霞;高雨璇;陈维荣
代理机构	北京中创阳光知识产权代理有限责任公司	代理人	尹振启

摘要

本发明公开一种基于深度卷积神经网络的燃料电池寿命预测方法，包括对实验测试数据集中原始数据选取特征变量作为模型输入数据；对原始数据进行数据归一化；提取样本数据，进行多批次划分；设置所述燃料电池寿命预测模型的参数，之后进入卷积层计算；当完成一个卷积层的计算后，在进入下一个卷积层之前，对得到的特征映射矩阵作最大值池化处理；经过多层卷积层计算后，进行全局平均池化，并将单个特征的多层特征映射矩阵作全连接运算；根据批次划分经过多轮训练，输出预测结果。本发明能够满足燃料电池寿命预测的需求，预测时间快且预测精度高；能够为燃料电池管理提供高效可靠的燃料电池剩余使用寿命预测参数，提高了管理效率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供