一种基于RBF神经网络的电动自行车电池单体故障诊断方法与流程

1.一种基于rbf神经网络的电动自行车电池单体故障诊断方法，其特征在于，包括：

2.如权利要求1所述的基于rbf神经网络的电动自行车电池单体故障诊断方法，其特征在于：所述原始正常数据包括电池电压、电流、温度、soc、电池内阻，以及容量信号数据；

3.如权利要求2所述的基于rbf神经网络的电动自行车电池单体故障诊断方法，其特征在于：基于正常状态和故障状态，每个状态的数据采集18组样本，每组样本包含电压，电流，温度，soc，内阻和容量信号数据，然后使用小波包分解的方法对样本数据去除噪声，并进行归一化处理。

4.如权利要求3所述的基于rbf神经网络的电动自行车电池单体故障诊断方法，其特征在于：样本数据集和测试数据集按照4:1的比例进行分配。

5.如权利要求4所述的基于rbf神经网络的电动自行车电池单体故障诊断方法，其特征在于：所述改进的rbf神经网络的输入层有6个节点，输出层有4个节点；基函数的数据中心通过fcm聚类算法确定，权值向量利用最小二乘法确定，隐含层单元的扩展系数和输出神经元的偏置通过梯度下降法确定；同时，设置均方误差为0.001。

6.如权利要求5所述的基于rbf神经网络的电动自行车电池单体故障诊断方法，其特征在于：采用fcm聚类算法、最小二乘算法和梯度下降法确定rbf神经网络的参数，包括，

7.如权利要求6所述的基于rbf神经网络的电动自行车电池单体故障诊断方法，其特征在于：所述改进的rbf神经网络中隐含层神经元的基函数选用高斯函数：

8.一种采用如权利要求1～7任一所述的基于rbf神经网络的电动自行车电池单体故障诊断方法的系统，其特征在于，包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于rbf神经网络的电动自行车电池单体故障诊断方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于rbf神经网络的电动自行车电池单体故障诊断方法的步骤。