基于自适应隐藏层BP神经网络的锂电池状况预测方法

被引：0

专利类型：

发明

申请号：

CN202210554879.9

申请日：

2022-05-20

公开(公告)号：

CN115078999B

公开(公告)日：

2024-04-26

发明(设计)人：

陈立平徐长城谢思强宋英杰许水清

申请人：

合肥工业大学

申请人地址：

230009 安徽省合肥市包河区屯溪路193号

IPC主分类号：

G01R31/36

IPC分类号：

代理机构：

合肥和瑞知识产权代理事务所(普通合伙) 34118

代理人：

王挺

法律状态：

授权

国省代码：

安徽省合肥市

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2024-04-26	授权	授权

共 50 条

[1]

基于自适应隐藏层BP神经网络的锂电池状况预测方法 [P].

陈立平 ;

徐长城 ;

谢思强 ;

宋英杰 ;

许水清 .

中国专利 :CN115078999A ,2022-09-20

[2]

基于AO-AVOA-BP神经网络模型的锂电池SOH预测方法 [P].

汪兴兴 ;

李军毅 ;

朱昱 ;

陈宇航 ;

陈林飞 ;

张福豹 ;

陈祥 ;

邓业林 ;

吕帅帅 ;

倪红军 .

中国专利 :CN119716559A ,2025-03-28

[3]

一种基于VMD与BP神经网络的锂电池剩余寿命预测方法 [P].

许夏 ;

梁子君 ;

杨文静 ;

薛瑞 ;

王睿涵 ;

李雨琪 .

中国专利 :CN115586444A ,2023-01-10

[4]

一种基于BP神经网络的锂电池SOC估算方法 [P].

陈逸涵 .

中国专利 :CN106443453A ,2017-02-22

[5]

基于TimesNet-BiGRU神经网络的锂电池SOH预测方法 [P].

徐春阳 ;

陈俊生 ;

朴昌浩 ;

王忠全 ;

林培灿 ;

刘家欢 ;

孙艺铭 .

中国专利 :CN118962457A ,2024-11-15

[6]

基于BP神经网络的储能锂电池组老化模式自动识别方法 [P].

吴卓彦 ;

尹立坤 ;

贾俊 ;

肖伟 ;

赵霁 ;

钟卫东 ;

熊然 ;

李立理 ;

高浪 .

中国专利 :CN114720879A ,2022-07-08

[7]

基于主成分自适应BP神经网络的短期电力负荷预测方法 [P].

仇暑洋 ;

钱素琴 .

中国专利 :CN108647812A ,2018-10-12

[8]

基于SA-BP神经网络的电池SOH预测优化方法 [P].

施佺 ;

苏永杰 ;

曹阳 ;

荆彬彬 ;

沈琴琴 .

中国专利 :CN111882119A ,2020-11-03

[9]

贝叶斯正则化的LM-BP神经网络的锂电池SOC预测方法 [P].

张持健 ;

李桂娟 ;

施志刚 ;

李亮 .

中国专利 :CN109507598A ,2019-03-22

[10]

一种基于优化后的BiLSTM神经网络的锂电池多状况预测方法和装置 [P].

陈立平 ;

宋英杰 ;

丁纪宇 ;

赖振伟 ;

刘创 .

中国专利 :CN117150334B ,2024-08-16

← 1 2 3 4 5 →