公开(公告)号：CN115471913A

公开(公告)日：2022-12-13

申请号：CN202211141067.8

申请日：2022-09-20

Applicant: 北京航空航天大学

Inventor： 王磊 ,  颜慈霖 ,  秦鸿宇 ,  张建 ,  邵天会 ,  铁林

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/82

Abstract: 本发明公开了一种基于时空特征的两阶段重复动作计数及动作完整度评估方法，包括，从包含两阶段重复动作的视频中获取视频帧；通过空间特征提取网络提取各视频帧的空间特征；通过时序特征提取网络从视频帧的空间特征中提取时空特征；通过预测头根据时空特征获取同各视频帧对应的预测值序列；根据预测值序列中预测值的重复模式识别两阶段重复动作并对两阶段动作计数。本发明基于深度学习的方法，只需标注两阶段重复动作的各个阶段起始帧和终止帧以及当前动作完整度，标注人工成本低；使用卷积神经网络有效避免了相机抖动的干扰，有利于两阶段重复动作计数及动作完整度评估。

公开(公告)号：CN116381517A

公开(公告)日：2023-07-04

申请号：CN202310369478.0

申请日：2023-04-07

Applicant: 北京航空航天大学

Inventor： 王磊 ,  秦鸿宇 ,  任基泽 ,  张建 ,  肖茂栋

IPC: G01R31/378 ,  G01R31/367 ,  G01R31/392

Abstract: 本发明公开了基于时间卷积注意力机制的锂电池剩余寿命概率预测方法，属于电池技术领域。该方法包括步骤1：收集电池老化数据，包括充放电过程中的各项观测指标，建立锂电池老化数据库；步骤2：根据获得的原始数据，提取与锂电池寿命即充放电循环次数相关的观测指标作为健康因子构成特征向量，进行数据预处理并按比例划分训练集和测试集；步骤3：构建以时间卷积原理为核心的注意力层；步骤4：以注意力层为核心并结合多层感知机、层归一化构成基本模块，利用位置编码层、线性连接层和多个基本模块堆叠的层级结构共同构成完整的电池容量衰减深度学习框架；步骤5：利用所述训练集训练电池容量衰减深度学习框架，在训练集上获得准确率大于指定阈值之后在所述测试集上输出锂电池多个时间步后对应的预测容量所满足高斯分布的均值和标准差结果，实现概率预测，并结合锂电池失效阈值得到其剩余寿命的预测结果。

公开(公告)号：CN115409263A

公开(公告)日：2022-11-29

申请号：CN202211059593.X

申请日：2022-08-30

Applicant: 北京航空航天大学

Inventor： 王磊 ,  秦鸿宇 ,  张建 ,  张道航

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于门控和注意力机制的锂电池剩余寿命预测方法，属于电池技术领域。该方法包括搭建基于门控和注意力机制的深度学习模型，所述深度学习模型包括依次连接的特征提取网络、基于自注意力机制的网络、第一全连接层、第二全连接层与求和单元；所述特征提取网络对输入的数据序列X＝[xt‑τ,xt‑τ+1,…,xt]处理得到数据序列所述基于自注意力机制的网络接收数据序列生成对应的输出序列Hattn；所述第一全连接层接收输出序列Hattn，生成中间值H1，所述第二全连接层接收H1；所述求和单元对所述基于自注意力机制的网络的输出与所述第二全连接层的输出求和，生成所述基于门控和注意力机制的深度学习模型的输出作为预测的锂电池容量序列；根据所述预测的锂电池容量序列与指定的锂电池失效阈值，得到所述锂电池的剩余寿命。本发明面对锂电池多维度特征和强因果长时序的情况，能够进行有效的信息提取，从而提高电池剩余寿命的预测精度，实现对锂电池未来工作状态的准确评估。