-
公开(公告)号：CN115469227B
公开(公告)日：2024-04-12
申请号：CN202211115206.X
申请日：2022-09-14
Applicant: 中南大学 , 天能电池集团股份有限公司
IPC: G01R31/367 , G01R31/385 , G06F18/22 , G06N3/0442 , G06N3/0455 , G06N3/049
Abstract: 本发明提供了一种集合变分自编码器与动态规整的锂电池异常检测方法，包括获取锂电池生产过程中正常和异常的电池恒流充电电压时序数据；对数据进行预处理；将预处理后的数据划分为模型训练集、阈值训练集和测试集；将模型训练集输入至构建的VAE‑LSTM‑DTW模型中进行训练；所述VAE‑LSTM‑DTW模型包括经LSTM改进后的VAE网络构成的重构模型和DTW评价模型；将测试集输入至训练好的VAE‑LSTM‑DTW模型中，先经过重构模型得到测试集对应的理论正常重构数据集，后将测试集数据与对应的理论正常重构数据输入DTW评价模型，得到两者之间的重构误差，将重构误差与最优阈值进行比较，得到锂电池异常检测结果。
-
Patent Agency Ranking
公开(公告)号：CN116542149B
公开(公告)日：2025-03-14
申请号：CN202310514018.2
申请日：2023-05-09
Applicant: 中南大学
Abstract: 本发明提供了一种基于预训练的锂离子电池多参数配组方法，通过统一的数据表示方法将不同动态参数整合，有利于提高配组模型的特征提取。多层注意力层的特征编码器通过提取不同动态参数的特征与不同参数特征的相似性信息进行融合，得到全局特征，有利于提高配组精度。配组模型的预训练无需数据标签，可以利用大量的无标签的过程数据，在无监督的条件下强化模型的特征提取能力，在保证模型配组精度的条件下减少了模型对配组标签数据的依赖。
-
公开(公告)号：CN115469227A
公开(公告)日：2022-12-13
申请号：CN202211115206.X
申请日：2022-09-14
Applicant: 中南大学 , 天能电池集团股份有限公司
IPC: G01R31/367 , G01R31/385 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种集合变分自编码器与动态规整的锂电池异常检测方法，包括获取锂电池生产过程中正常和异常的电池恒流充电电压时序数据；对数据进行预处理；将预处理后的数据划分为模型训练集、阈值训练集和测试集；将模型训练集输入至构建的VAE‑LSTM‑DTW模型中进行训练；所述VAE‑LSTM‑DTW模型包括经LSTM改进后的VAE网络构成的重构模型和DTW评价模型；将测试集输入至训练好的VAE‑LSTM‑DTW模型中，先经过重构模型得到测试集对应的理论正常重构数据集，后将测试集数据与对应的理论正常重构数据输入DTW评价模型，得到两者之间的重构误差，将重构误差与最优阈值进行比较，得到锂电池异常检测结果。
-
公开(公告)号：CN116542149A
公开(公告)日：2023-08-04
申请号：CN202310514018.2
申请日：2023-05-09
Applicant: 中南大学
Abstract: 本发明提供了一种基于预训练的锂离子电池多参数配组方法，通过统一的数据表示方法将不同动态参数整合，有利于提高配组模型的特征提取。多层注意力层的特征编码器通过提取不同动态参数的特征与不同参数特征的相似性信息进行融合，得到全局特征，有利于提高配组精度。配组模型的预训练无需数据标签，可以利用大量的无标签的过程数据，在无监督的条件下强化模型的特征提取能力，在保证模型配组精度的条件下减少了模型对配组标签数据的依赖。
-
公开(公告)号：CN114117911B
公开(公告)日：2024-11-08
申请号：CN202111417732.7
申请日：2021-11-26
Applicant: 中南大学
IPC: G06F18/2415 , G06N3/0464 , H01M10/0525 , H01M10/44 , G06N3/0499 , G06N3/0455
Abstract: 本发明提供了一种基于注意力机制的锂离子电池化成预筛选方法，包括获取不完整的锂离子电池化成充电电压数据；将所述不完整的锂离子电池化成充电电压数据进行碎片化处理，得到多个固定长度的碎片序列；将每个所述碎片序列进行碎片嵌入处理，得到符号向量矩阵；通过位置编码将位置信息添加到所述符号向量矩阵中，得到位置编码后的符号向量矩阵；将位置编码后的符号向量矩阵输入至注意力编码器中建立不同符号向量之间的关系，生成注意力特征；将所述注意力特征输入至特征多样化解码器中进行解码操作，输出锂离子电池化成预筛选结果。该方法能在化成充电完成前筛选出缺陷电池，从而减少能源浪费，缩短返工周期，提高生产效率，且筛选准确率高。
-
公开(公告)号：CN114117911A
公开(公告)日：2022-03-01
申请号：CN202111417732.7
申请日：2021-11-26
Applicant: 中南大学
Abstract: 本发明提供了一种基于注意力机制的锂离子电池化成预筛选方法，包括获取不完整的锂离子电池化成充电电压数据；将所述不完整的锂离子电池化成充电电压数据进行碎片化处理，得到多个固定长度的碎片序列；将每个所述碎片序列进行碎片嵌入处理，得到符号向量矩阵；通过位置编码将位置信息添加到所述符号向量矩阵中，得到位置编码后的符号向量矩阵；将位置编码后的符号向量矩阵输入至注意力编码器中建立不同符号向量之间的关系，生成注意力特征；将所述注意力特征输入至特征多样化解码器中进行解码操作，输出锂离子电池化成预筛选结果。该方法能在化成充电完成前筛选出缺陷电池，从而减少能源浪费，缩短返工周期，提高生产效率，且筛选准确率高。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
