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。