效果一览
![1](https://img-blog.csdnimg.cn/d2d996668de14d76928a87c98a727b95.png)
文章概述
Pytorch实现基于高斯函数拟合的锂电池寿命预测(NASA数据集),
![2](https://img-blog.csdnimg.cn/dc392d35e1b64f1f81e1d1d19cf8ecbd.png)
随着充放电次数的增加,锂电池的性能逐渐下降。电池的性能可以用容量来表示,故寿命预测 (RUL) 可以定义如下:
SOH(t)=CtC0×100%,
其中,C0 表示额定容量,Ct 表示 t 时刻的容量。等到 SOH 降到 70-80% 时,电池可以报废。我们要做的是用电池的历史数据,比如电流、电压和容量,对电池的下降趋势进行建模。然后,用训练好的模型来预测电池的 RUL。
![3](https://img-blog.csdnimg.cn/a7747e9bc0334613bbd4ffcc33878ede.png)
模型描述
该高斯函数由 3 组正态分布构成(仅用正态分布表示高斯函数 f(x) 中的每一项高斯分布,与定义区别开而已)
程序设计