申请/专利权人：中南大学;天能电池集团股份有限公司

申请日：2022-09-14

公开（公告）日：2024-04-12

公开（公告）号：CN115469227B

主分类号：G01R31/367

分类号：G01R31/367;G01R31/385;G06F18/22;G06N3/0442;G06N3/0455;G06N3/049

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.06.16#著录事项变更;2022.12.30#实质审查的生效;2022.12.13#公开

摘要：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。

主权项：1.一种集合变分自编码器与动态规整的锂电池异常检测方法，其特征在于，包括以下步骤：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；对所述电池恒流充电电压时序数据进行数据预处理；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；其中，所述模型训练集中的数据均为正常电池数据，所述阈值训练集和所述测试集中包含正常电池数据和异常电池数据，且正常电池数据和异常电池数据的数量相等；将所述模型训练集输入至构建的VAE-LSTM-DTW模型中进行训练；所述的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；将所述模型训练集先输入至经LSTM改进后的VAE网络构成的重构模型中进行训练，确定各层模型参数，从而确定重构模型；具体为：模型输入为多组时间定长的电池分选段充电电压动态数据组成的高维张量，输入向量其中，i∈为任一单体电池充电电压曲线向量；，为任一时刻的电池电压值,j∈； 输入输入层后，得到维度为（b,t,1）的单时间序列张量=，其中，b为训练过程中的数据批次大小，t为单个时间序列长度；维度为（b,t,1）的单时间序列张量经过第一长短时间记忆网络层编码处理后，对输入时序数据进行特征提取，将其降维为b,m的向量；m为中间层维度；再经过全连接层变换，从上一层输入特征向量中得到输入批次中各时序数据分布的高斯混合模型分解参数矩阵，即均值矩阵，其维度均为（b,h）；h为隐层维度；之后输入至lambda层，引入标准正态分布中采样的随机变量，利用重参数化技巧公式，整合两个参数矩阵，得到与输入向量一一对应的隐变量Z；再输入至扩展层，重复t次将隐层变量展开为b,t,h的张量；再通过第二长短时记忆网络层，对时序数据特征进行复原，将扩展层张量复原为维度为b,t,m的张量，实现解码完成对隐变量的重建，最后经过输出层对输出向量进一步处理，将m条张量拼接成维度为b,t,1的张量输出，从而得到理论正常重构数据集；通过多批次训练确定模型中的超参数，从而确定重构模型；重构模型构建完成后，将所述阈值训练集输入所述重构模型中获得理论正常重构数据集，将阈值训练集与对应的理论正常重构数据集输入到DTW评价模型中，得到阈值训练集与其对应的理论正常重构数据集之间的重构误差，根据所述重构误差确定最优阈值，从而确定DTW评价模型；具体为：将所述阈值训练集输入所述重构模型中，得到阈值训练集对应的理论正常重构数据集；将阈值训练集与对应的理论正常重构数据集输入到DTW评价模型中，利用动态时间规整算法得到阈值训练集与其对应的理论正常重构数据集之间的重构误差；分析所述阈值训练集中正常电池数据和异常电池数据对应的重构误差分布，利用数学规划找到能使异常电池数据分辨率最大的重构误差值，将其定义为最优阈值，从而确定DTW评价模型；将所述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。

全文数据：

权利要求：

百度查询： 中南大学;天能电池集团股份有限公司 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

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