申请/专利权人：北京中汽院科技有限公司;中国汽车工程研究院股份有限公司;西部科学城智能网联汽车创新中心(重庆)有限公司

申请日：2023-11-27

公开（公告）日：2024-03-22

公开（公告）号：CN117743995A

主分类号：G06F18/2433

分类号：G06F18/2433;B60L3/00;G06F18/214;G06F18/10;G06N3/047;G06N3/088;G01R31/367;G01R31/382

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及动力电池技术领域，公开了一种基于深度置信网络的动力电池自放电异常识别模型，包括以下构建步骤：S1，构建用于模型训练与验证的参考数据集；所述参考数据集中包括车辆历史运行数据；在构建参考数据集时，还采用预设的故障识别策略对车辆历史运行数据进行故障识别，并将故障识别结果作为标签，对车辆历史运行数据进行标定；S2，将参考数据集划分为训练集和验证集，对异常识别模型进行训练；所述异常识别模型中设有DBN网络；S3，输出训练后的异常识别模型。本发明能够准确且高效地识别车辆安全状态，实现对车辆综合状态的精准判定与故障识别。

主权项：1.一种基于深度置信网络的动力电池自放电异常识别模型，其特征在于，包括以下构建步骤：S1，构建用于模型训练与验证的参考数据集；所述参考数据集中包括车辆历史运行数据；在构建参考数据集时，还采用预设的故障识别策略对车辆历史运行数据进行故障识别，并将故障识别结果作为标签，对车辆历史运行数据进行标定；S2，将参考数据集划分为训练集和验证集，对异常识别模型进行训练；所述异常识别模型中设有DBN网络；S3，输出训练后的异常识别模型。

全文数据：

权利要求：

百度查询： 北京中汽院科技有限公司;中国汽车工程研究院股份有限公司;西部科学城智能网联汽车创新中心(重庆)有限公司 一种基于深度置信网络的动力电池自放电异常识别模型

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD