公开(公告)号：CN118013845A

公开(公告)日：2024-05-10

申请号：CN202410215680.2

申请日：2024-02-27

Applicant: 西安交通大学

Inventor： 杨勐 ,  罗祥永 ,  张向波 ,  党路娟 ,  陈霸东

IPC: G06F30/27 ,  G06N3/0442 ,  G06F119/02

Abstract: 本发明公开了一种基于LSTM‑EA框架的电池SOC预测方法及系统，对输入数据进行标准化处理，获取当前时刻输入特征序列xinput；将得到的当前时刻输入特征序列xinput输入LSTM网络，得到初步预测SOCpre；通过基于安时积分法模型的EKF算法对预测SOCpre进行调整，得到最终的电池SOC预测结果。提高模型对SOC预测的鲁棒性与准确性。

公开(公告)号：CN116977736A

公开(公告)日：2023-10-31

申请号：CN202310967655.5

申请日：2023-08-02

Applicant: 西安交通大学

Inventor： 陈霸东 ,  白双豪 ,  周婉琪 ,  栾智荣 ,  党路娟

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于参数高效模块的跨域小样本图像分类方法及相关装置，通过引入参数高效模块，以学习一个泛化性能的特征提取器，从而提高小样本图像分类方法检测的准确率。本发明结合了参数高效模块，以学习一个泛化性能更好的特征提取器。具体是一种基于参数高效模块的跨域小样本图像分类方法，将参数高效模块应用于跨域小样本分类领域。本发明方法易于实现，并适用于广泛的小样本分类方法，可以灵活插入基于非情节的、元学习的和度量学习的各种模型中。最后，本发明提升了现有小样本分类模型的泛化能力，并与其他最先进的跨域小样本算法相比表现优异。

公开(公告)号：CN119596176A

公开(公告)日：2025-03-11

申请号：CN202411743961.1

申请日：2024-11-30

Applicant: 西安交通大学

Inventor： 陈霸东 ,  谭业宇 ,  党路娟 ,  杨勐

IPC: G01R31/387 ,  H01M10/42 ,  G01R31/367 ,  G01R31/385 ,  G01R31/388 ,  G01R31/36 ,  G06F17/11 ,  G06N7/01

Abstract: 本发明属于电池检测技术领域，涉及一种基于变分贝叶斯及多核熵UKF的电池SOC估计方法、系统和设备。本发明根据电池的内部电化学反应机理构建状态空间方程，从而描述出电池内部状态变量之间的关系，为后续的滤波估计提供必要的数学模型。基于变分贝叶斯近似方法以及最大多核相关熵准则构建无迹卡尔曼滤波器，得到新构建的无迹卡尔曼滤波器；有利于提高SOC估计的精度和实时性。根据状态空间方程结合新构建的无迹卡尔曼滤波器进行电池状态估计。通过引入变分贝叶斯近似方法和最大多核相关熵准则构建新的无迹卡尔曼滤波器，并基于该滤波器进行电池状态估计，从而实现了对电池SOC的高精度和鲁棒性估计。

公开(公告)号：CN118068195A

公开(公告)日：2024-05-24

申请号：CN202410388047.3

申请日：2024-04-01

Applicant: 西安交通大学

Inventor： 陈霸东 ,  黄子悦 ,  党路娟 ,  谢宇清 ,  窦浩文 ,  谭业宇

IPC: G01R31/367 ,  G01R31/392 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/082

Abstract: 本发明属于电池管理技术领域，涉及电池健康状态预测模型的建立方法和系统。本发明方法将所有的电池最大容量数据进行一次离群值处理得到预处理数据；利用掩藏层处理预处理数据，并将处理后的数据划分为训练数据和验证数据；通过卷积网络层处理训练数据得到卷积网络层处理数据；通过门控循环单元神经网络处理卷积网络层处理数据得到初步预测模型；将验证数据输入初步预测模型得到最优预测模型。本发明能捕捉电池数据内的区块细节信息，达到全局依赖和细节捕捉并存的效果，保证电池健康状态预测的精度。

公开(公告)号：CN117218415A

公开(公告)日：2023-12-12

申请号：CN202311136648.7

申请日：2023-09-04

Applicant: 西安交通大学

Inventor： 陈霸东 ,  白双豪 ,  周婉琪 ,  栾智荣 ,  党路娟

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/088 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明公开了一种基于注意力机制的无监督域适应提示微调方法及相关装置，通过提示学习引入少量可学习参数并冻结整个CLIP模型，可以快速高效地将模型适应于域自适应图片分类任务。同时，为了进一步提升准确度，引入了注意力机制，建立两个域的特征库以得到注意力特征对，注意力特征对和输入图片的特征一并输入注意力模块以得到融合了源域和目标域信息的特征，该特征用于后续的分类。设计的注意力分支的框架可以更好地捕捉到目标域的域不变特征，故而提升域自适应图片分类的准确率。