公开(公告)号：CN116542149B

公开(公告)日：2025-03-14

申请号：CN202310514018.2

申请日：2023-05-09

Applicant: 中南大学

Inventor： 贺建军 ,  王翔 ,  郭铁峰 ,  张彬汉 ,  季晓 ,  黄福鑫 ,  田睿

IPC: G06F30/27 ,  G06F18/214 ,  G06F18/24 ,  G06F18/25 ,  G06N3/048 ,  G06N3/088

Abstract: 本发明提供了一种基于预训练的锂离子电池多参数配组方法，通过统一的数据表示方法将不同动态参数整合，有利于提高配组模型的特征提取。多层注意力层的特征编码器通过提取不同动态参数的特征与不同参数特征的相似性信息进行融合，得到全局特征，有利于提高配组精度。配组模型的预训练无需数据标签，可以利用大量的无标签的过程数据，在无监督的条件下强化模型的特征提取能力，在保证模型配组精度的条件下减少了模型对配组标签数据的依赖。

公开(公告)号：CN116542149A

公开(公告)日：2023-08-04

申请号：CN202310514018.2

申请日：2023-05-09

Applicant: 中南大学

Inventor： 贺建军 ,  王翔 ,  郭铁峰 ,  张彬汉 ,  季晓 ,  黄福鑫 ,  田睿

IPC: G06F30/27 ,  G06F18/214 ,  G06F18/24 ,  G06F18/25 ,  G06N3/048 ,  G06N3/088

Abstract: 本发明提供了一种基于预训练的锂离子电池多参数配组方法，通过统一的数据表示方法将不同动态参数整合，有利于提高配组模型的特征提取。多层注意力层的特征编码器通过提取不同动态参数的特征与不同参数特征的相似性信息进行融合，得到全局特征，有利于提高配组精度。配组模型的预训练无需数据标签，可以利用大量的无标签的过程数据，在无监督的条件下强化模型的特征提取能力，在保证模型配组精度的条件下减少了模型对配组标签数据的依赖。