申请/专利权人:武汉理工大学
申请日:2023-07-13
公开(公告)日:2024-03-19
公开(公告)号:CN117726197A
主分类号:G06Q10/0639
分类号:G06Q10/0639;G06Q50/40;G06N3/045;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了一种退役动力电池梯次利用评级方法,包括:步骤1:分析并建立动力电池回收梯次利用指标体系;步骤2:根据指标体系结果建立数据并行的分布式神经网络;步骤3:训练样本和测试样本;步骤4:训练数据并行的分布式神经网络并测试其精度;步骤5:采用数据并行分布式神经网络,对其最终评级的网络节点加入权重约束形成改进的数据并行分布式神经网络;步骤6:部署云服务器和本地机器;步骤7:待评级退役动力电池数据输入逆向物流网络后,在各节点分别检测并将结果上传到云端;步骤8:云端通过改进的数据并行分布式神经网络计算并输出最终的评级结果。本发明能在大数据背景下高效多维度对退役动力电池梯次利用评级进行计算和评价。
主权项:1.一种退役动力电池梯次利用评级方法,其特征在于:使用了改进的数据并行分布式神经网络,能在大数据背景下对退役动力电池梯次利用评级进行计算和评价,并降低对云参数服务器和本地工作机器储存和计算能力的要求;该方法包括以下步骤:步骤1:分析并建立动力电池回收梯次利用指标体系;步骤2:根据指标体系结果建立数据并行的分布式神经网络;步骤3:按指标收集分布式神经网络训练样本和测试样本;步骤4:使用训练样本训练数据并行的分布式神经网络并使用测试样本测试其精度;步骤5:采用训练后精度达标的数据并行分布式神经网络,对其最终评级的网络节点加入权重约束形成改进的数据并行分布式神经网络;步骤6:将改进的数据并行分布式神经网络部署到云服务器和本地机器上;步骤7:待评级退役动力电池数据输入逆向物流网络后,在各节点分别检测并将结果上传到云端;步骤8:通过所有检测节点后,云端通过改进的数据并行分布式神经网络计算并输出最终的评级结果。
全文数据:
权利要求:
百度查询: 武汉理工大学 一种退役动力电池梯次利用评级方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。