Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州电子科技大学高明裕获国家专利权

杭州电子科技大学高明裕获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉杭州电子科技大学申请的专利一种基于频域强弱对比学习Mamba的动力电池故障检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121188504B

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511737950.7,技术领域涉及:G06F18/22;该发明授权一种基于频域强弱对比学习Mamba的动力电池故障检测方法是由高明裕;马沈辉;郑欢彬;何志伟;董哲康;林辉品;高科杰;宋忆宁;朱江明;谢卿;刘孝伟设计研发完成,并于2025-11-25向国家知识产权局提交的专利申请。

一种基于频域强弱对比学习Mamba的动力电池故障检测方法在说明书摘要公布了:一种基于频域强弱对比学习Mamba的动力电池故障检测方法,包括如下步骤:S1、采集并预处理动力电池原始数据,生成时序样本;S2、根据时序样本,通过构建的频域强弱对比学习Mamba模型提取动力电池的频域特征表示;S3、通过计算频域强弱对比学习Mamba模型的时频重构损失和强弱对比学习损失训练模型:S4、使用训练好的频域强弱对比学习Mamba模型检测动力电池故障。本发明将对比学习机制与Mamba模型相融合,通过构建频域强弱样本对引导模型学习判别性更强的特征,从而在保持低计算复杂度的同时实现动态特征的高效精准捕获,可在低算力条件下实现高效、精确的动力电池故障检测。

本发明授权一种基于频域强弱对比学习Mamba的动力电池故障检测方法在权利要求书中公布了:1.一种基于频域强弱对比学习Mamba的动力电池故障检测方法,其特征在于,包括如下步骤: S1、采集并预处理动力电池原始数据,生成时序样本; S2、根据所述时序样本,通过构建的频域强弱对比学习Mamba模型提取动力电池的频域特征表示;包括: S21、构建包括强弱数据增强层、频域Mamba特征提取网络和时频重构网络的频域强弱对比学习Mamba模型; S22、将所述时序样本输入强弱数据增强层,生成强样本对和弱样本对; S23、所述频域Mamba特征提取网络对所述时序样本、所述强样本对和所述弱样本对分别进行傅里叶变换操作,分别得到各自的频域样本;将各所述频域样本进行特征嵌入映射到更高维度后进行频域表示建模,生成频域特征表示; S24、将所述频域特征表示输入所述时频重构网络进行频域重构,生成时频域重构输出; S3、通过计算频域强弱对比学习Mamba模型的时频重构损失和强弱对比学习损失训练模型;包括: S31、计算所述频域强弱对比学习Mamba模型的强弱对比学习损失; 对各所述频域特征表示进行强弱对比学习,通过最大化时序样本的频域特征表示与强样本对的频域特征表示、弱样本对的频域特征表示之间的相似度,得到所述强弱对比学习损失; S32、计算所述频域强弱对比学习Mamba模型的时频重构损失;所述时频重构损失包括时域重构损失和频域重构损失;将所述时频重构损失和所述强弱对比学习损失的和作为总训练损失训练模型; S4、使用训练好的所述频域强弱对比学习Mamba模型检测动力电池故障。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人杭州电子科技大学,其通讯地址为:310018 浙江省杭州市钱塘区白杨街道2号大街1158号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。