龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：盐城工学院
摘要：本发明公开了一种结合VAE模型和OT算法约束的动力电池组异常检测方法及系统，包括：获取电动汽车实际运行时的电池时序数据，进行预处理，划分为模型训练集、阈值训练集和测试集；搭建VAE‑OT模型，并采用模型训练集对其进行训练，得到训练好的VAE‑OT异常检测模型；将阈值训练集输入至VAE‑OT异常检测模型中，得到正常电池时序数据和异常电池时序数据的理论正常重构数据集，计算阈值训练集中正常电池时序数据和异常电池时序数据对应的OT距离，找到使异常电池时序数据分辨率最大的OT距离，根据该OT距离确定VAE‑OT异常检测模型中的超参数λ，得到VAE‑OT异常检测模型的最佳阈值；将电动汽车运行时的实时电池时序数据输入至经过测试的VAE‑OT异常检测模型中，得到实时电池检测结果。
主权项：1.一种结合VAE模型和OT算法约束的动力电池组异常检测方法，其特征在于：包括以下步骤：步骤1：获取电动汽车实际运行时的电池时序数据，所述电池时序数据包括正常电池时序数据和异常电池时序数据；步骤2：对步骤1获取到的电池时序数据进行预处理，得到预处理后的电池时序数据；步骤3：取预处理后的正常电池时序数据构建模型训练集，取预处理后的且数量相等的正常电池时序数据和异常电池时序数据构建阈值训练集，取部分预处理后的电池时序数据构建测试集；步骤4：搭建VAE-OT模型，并采用模型训练集对VAE-OT模型进行训练，得到VAE-OT异常检测模型；步骤5：将阈值训练集输入至VAE-OT异常检测模型中，得到正常电池时序数据和异常电池时序数据的理论正常重构数据集，并依据理论正常重构数据集计算阈值训练集中正常电池时序数据和异常电池时序数据对应的OT距离，找到使异常电池时序数据分辨率最大的OT距离，根据该OT距离调整VAE-OT异常检测模型中的超参数λ，得到VAE-OT异常检测模型的最佳阈值；步骤6：采用测试集对经过步骤5调整的VAE-OT异常检测模型的异常检测精度进行测试；步骤7：将电动汽车运行时的实时电池时序数据输入至经过测试的VAE-OT异常检测模型中，得到实时电池检测结果。
全文数据：
权利要求：
百度查询： 盐城工学院 一种结合VAE模型和OT算法约束的动力电池组异常检测方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号