位置: IT常识 - 正文
深度学习分析NASA电池数据（1 数据读取）
编辑：rootadmin推荐整理分享深度学习分析NASA电池数据（1 数据读取），希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:,内容如对您有帮助，希望把文章链接给更多的朋友！
Intelligent Systems Division | NASA
Randomized Battery Usage Data Set: PCoE Datasets
随机（Random Walk，RW）充放电循环的组成：
1、从{-4.5A，-3.75A，-3A，-2.25A，-1.5A，-0.75A，1.5A，2.25A，3A，3.75A，4.5A}中随机选择一个充电或放电电流。负电流表示充电，正电流表示放电；
2、应用所选电流充放电5分钟或达到截止电压（3.2V/4.2V）；
3、每个充放电步骤后，有<1秒的休息间隔，用于设定新的充放电电流。
每重复1500次步骤2、3，进行一次特性测试循环，标记老化状态。
充放电循环设定：
1、采用0.04A小电流放电标定OCV；
2、每1500个RW步骤后，采用标准充放电循环标定电池容量。标准充放电循环先以2A恒流充电至4.2V，再恒压至充电电流小于0.01A。静置，2A放电至3.2V，静置；
3、每3000个RW循环后，对充满电的电池进行脉冲放电，标记电池动态特性。每段脉冲由10分钟1A负载，20分钟空载组成；
4、每3000个RW循环后，对电池进行脉冲充电，标记电池动态特性。每段脉冲由10分钟1A负载，20分钟空载组成；
链接：Intelligent Systems Division | NASA
本文对室温随机游走充放电数据集的描述进行了python的读取
数据下载地址
Battery_Uniform_Distribution_Charge_Discharge_DataSet_2Post 百度网盘下载链接：https://pan.baidu.com/s/15jloKXS3f_OMYiALwitENg 提取码：de1d
2.数据读取与分析下载的数据有两个版本，Matlab版本和R语言版，下载的数据文件自带了python和R语言分析处理的程序。自带的m文件，MatlabSamplePlots.m为matlab版的读取例程。本文使用python对数据进行了一个读取和初步分析。
import matplotlib.pyplot as pltimport scipy.io as scioRW9 = 'mats/RW9.mat' # 需要读取的mat文件路径matData = scio.loadmat(RW9)# 注意，读取出来的data是字典格式，可以通过函数type(data)查看。print(type(matData))print(list(matData.keys()))print("\n\n")对读取到的类型的返回：
<class 'dict'>['__header__', '__version__', '__globals__', 'data']有效数据存放在data字段，但是在data中还嵌套了一个step，step又是一个多维数组，需要使用连续三个[0]才能获取实际数据。
数据共有8个字段，官网文件有一个说明：
对low current discharge at 0.04A 的电压和电流数据进行一个获取并用matplotlib进行一个绘制，代码和结果如下：
data = matData['data']datacC = data['step'][0][0][0]for i in range(0,len(datacC)): print(datacC[i][0][0]) if(datacC[i][0][0]=='low current discharge at 0.04A'): print(datacC[i][0][0]) print(datacC[i][3][0]) print(datacC[i][4][0]) plt.plot(datacC[i][3][0]/3600,datacC[i][4][0], c='g') plt.show() plt.plot(datacC[i][3][0]/3600, datacC[i][5][0], c='r') plt.show() break
上一篇：倾向得分匹配PSM案例分析(倾向得分匹配后怎么进行回归)
下一篇：有关optimizer.param_groups用法的示例分析(有关的拼音)
