[发明专利]一种混合卷积神经网络驱动的锂电池多类故障诊断建模方法有效
| 申请号： | 201910695409.2 | 申请日： | 2019-07-30 |
| 公开（公告）号： | CN110308397B | 公开（公告）日： | 2021-04-02 |
| 发明（设计）人： | 李鹏华;胡和煦;熊庆宇;朱智勤;侯杰;丁宝苍;张子健;张岸 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G01R31/367 | 分类号： | G01R31/367;G01R31/378;G06N3/04;G06N3/08 |
| 代理公司： | 北京同恒源知识产权代理有限公司 11275 | 代理人： | 赵荣之 |
| 地址： | 400065 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种混合卷积神经网络驱动的锂电池多类故障诊断建模方法，属于电池技术领域。利用分数阶傅里叶变换获得实测的和筛选的锂电池精细化故障频谱，构成用于锂电池故障诊断的混合大数据标注样本；设计面向混合锂电池故障样本的全局卷积神经网络，以及分别针对实测的和筛选的锂电池故障数据的局部卷积神经网络，构成混合卷积神经网络锂电池故障诊断模型；通过对卷积神经网络中的全局与局部锂电池故障特征进行学习，并采用全连接分类映射，实现锂电池故障的多分类与定位。该方法提高了电池管理系统可靠性和安全性，减轻了参数众多引起的计算复杂性，解决了多物理耦合诊断模型在实际应用中仅能针对某一类锂电池故障诊断任务的问题。 | ||
| 搜索关键词： | 一种 混合 卷积 神经网络 驱动 锂电池 故障诊断 建模 方法 | ||
【主权项】：
1.一种混合卷积神经网络驱动的锂电池多类故障诊断建模方法，其特征在于：该方法包括以下步骤：S1：通过分数阶傅里叶变换获得实测的和筛选的锂电池精细化故障频谱，构成用于锂电池故障诊断的混合大数据标注样本；S2：设计面向混合锂电池故障样本的全局卷积神经网络,以及分别针对实测的和筛选的锂电池故障数据的局部卷积神经网络，构成混合卷积神经网络锂电池故障诊断模型；S3：学习卷积神经网络中的全局与局部锂电池故障特征，采用全连接分类映射，对锂电池故障进行多分类与定位。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆邮电大学，未经重庆邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910695409.2/，转载请声明来源钻瓜专利网。
