公开(公告)号：CN119577611A

公开(公告)日：2025-03-07

申请号：CN202411605246.1

申请日：2024-11-12

Applicant: 杭州电子科技大学 ,  杭州高特电子设备股份有限公司

Inventor： 陈琪琪 ,  林宸宇 ,  何中杰 ,  叶果果 ,  王浩 ,  华思聪 ,  陈韦豪 ,  王健

IPC: G06F18/2431 ,  G01R31/367 ,  G01R31/385 ,  G06F18/2415 ,  G06F18/2411 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/04

Abstract: 本发明公开了基于混合深度学习的新能源汽车电池故障识别及预警方法。该方法首先定义了故障类型与判断标准，生成训练数据的标签。然后构建包括卷积层模型和双向门控循环单元层的混合深度学习模型，分别提取电池数据的空间特征以及时间序列中的长期依赖关系，对电池的状态信息进行编码。接着，将提取的特征输入到故障识别模块中进行模型参数的精细调整，优化模型的交叉熵损失函数，最小化模型预测与实际故障之间的误差，以减少计算时间并提高训练效率。最后基于训练后的混合深度学习模型，检测电池数据的故障概率，并利用该模型预测未来一段时间内的目标特征数据，生成故障预警信息。该方法能够提升电池故障识别的准确性和提前预警的可靠性。