一种基于LSTM-FFNN的电动叉车锂离子电池健康状态预测方法

摘要

本发明主要解决现有技术中，预测方法计算量大，预测结果精度低；提供一种基于LSTM‑FFNN的电动叉车锂离子电池健康状态预测方法，减少了训练模型所需的数据，提高了锂电池健康状态预测的精度。包括以下步骤：建立基于LSTM的时间尺度参数预测模型,以预测放电过程中时间尺度参数开路电压V的变化；从时间尺度参数预测模型的开路电压V中提取循环尺度参数放电至最小电压的时间Tmin；建立基于FFNN的循环尺度参数预测模型，以预测锂电池容量C，从而得到锂电池健康状态预测值SOH。结合了LSTM对长时间序列的预测能力和FFNN的算法简单性，实现了从时间尺度参数到循环尺度参数的预测，减少了训练模型所需的数据，提高了锂电池健康状态预测的精度。