(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221087187 7.2 (22)申请日 2022.07.22 (71)申请人 中国人民解 放军海军勤务学院 地址 300450 天津市滨 海新区河北路1号 申请人 中国人民解 放军陆军工程大 学 (72)发明人 焦志鹏　王洪达　邢建春　杨启亮　 杨曼　赵九冰　周煜韬　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 专利代理师 陈莉 (51)Int.Cl. G06F 30/20(2020.01) G06F 119/02(2020.01) (54)发明名称 电池寿命预测方法及相关 设备 (57)摘要 本申请提供一种电池寿命预测方法及相关 设备； 方法包括： 在预设的多类测试条件下对电 池进行测试， 得到每类测试条件 下的多组初始特 征组和与各组初始特征组对应的电池容量测量 区间； 将每个初始特征组和对应的电池容量测量 区间输入到预置的点云语义分割网络， 得到与该 初始特征组对应的目标特征组和对应的电池容 量测量区间； 利用基于梯度下降的损失函数构建 预测模型， 将 全部目标特征 组和对应的电池容量 测量区间输入到预测模型， 通过多轮次的迭代对 预测模型进行训练； 响应于损失函数的梯度下降 直预设的收敛精度， 完成对预测模型的训练， 利 用完成训练的预测模型对电池寿命进行预测。 本 方法解决了计算冗余和过拟合的问题， 提高了预 测的准确性。 权利要求书3页 说明书16页 附图3页 CN 115270454 A 2022.11.01 CN 115270454 A 1.一种电池寿命预测方法， 其特 征在于， 包括： 在预设的多类测试条件下对电池进行测试， 得到每类测试条件下的多组初始特征组和 与各组初始特 征组对应的电池容 量测量区间； 将每个所述初始特征组和对应的所述电池容量测量区间输入到预置的点云语义分割 网络， 得到与该初始特 征组对应的目标 特征组和对应的所述电池容 量测量区间； 利用基于梯度 下降的损失函数构建预测模型， 将全部所述目标特征组和对应的所述电 池容量测量区间输入到所述预测模型， 通过多轮次的迭代对所述预测模型进行训练； 响应于所述损 失函数的梯度下降直预设的收敛精度， 完成对所述预测模型的训练， 利 用完成训练的所述预测模型对电池寿命进行 预测。 2.根据权利要求1所述的方法， 其特征在于， 所述在预设的多类测试条件下对电池进行 测试， 得到每类测试条件下的多组初始特征组和与各组初始特征组对应的电池容量测量区 间， 包括： 通过对所述电池施加预设的振动应力， 进行振动应力测试； 对所述电池分别进行0 C、 1C、 2C和0.5 C放电倍率的行循环老化测试； 对所述电池进行0.5 C倍率充放电的容 量测试； 对所述电池进行 充放电的积分容 量‑微分电压曲线测试； 通过对所述电池施加预设的频率的交流信号， 进行阻抗谱测试； 在每个测试条件下， 确定与每组初始特征组对应的 电池容量百分比， 将所述电池容量 百分比按照预定的间隔值划分为多个区间； 确定各个所述电池容 量百分比所对应的区间， 并作为所述电池容 量测量区间； 每个所述初始特 征组中， 包括多个初始特 征。 3.根据权利要求2所述的方法， 其特征在于， 所述将每个所述初始特征组和对应的所述 电池容量测量区间输入到预置的点云语义分割网络， 得到与该初始特征组对应的目标特征 组和对应的所述电池容 量测量区间， 包括： 构建由卷积层、 池化层和全连接层组成的点云语义分割网络； 将全部所述初始特征和对应的所述电池容量测量区间以矩阵的形式输入所述点云语 义分割网络； 通过所述卷基层、 池化层和所述全连接层， 从所述初始特征中选择出目标特征， 并组成 多个目标 特征组； 每个所述目标 特征组中包括有 多个目标 特征： 电导率损失、 活性物质损失、 锂离子损失、 欧姆阻抗、 电荷转移阻抗、 固体电解质界面膜 阻抗、 扩散阻抗、 温度和等压降时间。 4.根据权利要求1所述的方法， 其特征在于， 所述利用基于梯度 下降的损失函数构建预 测模型， 包括： 构建如下 所示的损失函数：权　利　要　求　书 1/3 页 2 CN 115270454 A 2其中， x表示所述预测模型预测出的 电池容量预测区间与所述电池容量测量区间的残 差， a表示所述预测模型中预设的超参数， c表示所述预测模型中预设的协调参数。 5.根据权利要求4所述的方法， 其特征在于， 所述通过多轮次的迭代对所述预测模型进 行训练， 包括： 在每轮次的迭代中， 令所述预测模型利用每个所述目标特征组进行预测， 确定与该目 标特征组对应的所述电池容 量预测区间； 确定所述电池容 量预测区间与所述电池容 量测量区间之间的残差； 根据所述残差计算所述损失函数； 根据计算的结果确定所述损失函数的下降梯度。 6.根据权利要求5所述的方法， 其特征在于， 所述完成对所述预测模型的训练后， 还包 括： 确定最后轮次迭代中所述预测模型输出的所述电池容 量预测区间； 确定所述电池容量预测区间和所述电池容量测量区间的均方根误差、 绝对误差、 平均 百分比误差和最大误差； 确定迭代的总次数； 确定所述预测模型运行时的内存占用； 确定所述模型进行 预测的速度； 根据预设的权重， 利用所述均 方根误差、 绝对误差、 平均百分比误差、 最大误差、 内存占 用和速度建立评价 函数； 利用所述评价 函数对所述预测模型进行评价。 7.一种电池寿命预测装置， 包括： 测试数据获取模块、 特征选择模块、 训练模块和预测 模块； 其中， 所述测试数据获取模块， 被配置为， 在预设的多类测试条件下对电池进行测试， 得到每类测试条件下的多组初始特 征组和与各组初始特 征组对应的电池容 量测量区间； 所述特征选择模块， 被配置为， 将每个所述初始特征组和对应的所述电池容量测量区 间输入到预置的点云语义分割网络， 得到与该初始特征组对应的目标特征组和对应的所述 电池容量测量区间； 模型训练模块， 被配置为， 利用基于梯度 下降的损失函数构建预测模型， 将全部所述目 标特征组和对应的所述电池容量测量区间输入到所述预测模型， 通过多轮次的迭代对所述 预测模型进行训练； 所述预测模块， 被配置为， 响应于所述损失函数的梯度下降直预设的收敛精度， 完成对 所述预测模型的训练， 利用完成训练的所述预测模型对电池寿命进行 预测。 8.根据权利要求7 所述的装置， 其特 征在于， 还 包括： 评价模块， 所述评价模块， 被配置为， 确定最后轮次迭代中所述预测模型输出的所述电池容量预权　利　要　求　书 2/3 页 3 CN 115270454 A 3