公开(公告)号：CN117076871A

公开(公告)日：2023-11-17

申请号：CN202311333654.1

申请日：2023-10-16

Applicant: 南京邮电大学

Inventor： 孙雁飞 ,  刘伟强 ,  陈梦婷 ,  亓晋 ,  董振江

IPC: G06F18/10 ,  G06F18/214 ,  G06F18/21 ,  G06F18/2431 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/0895 ,  G06N3/094

Abstract: 本发明属于动力电池故障识别技术领域，公开了一种基于不平衡半监督对抗训练框架的电池故障分类方法，其先对电池故障数据集构建与预处理，构建包含生成器和多类半监督分类器的对抗训练模型；利用训练好的对抗训练模型进行数据分类评估，判断分类性能是否满足要求。本发明将电池故障数据的训练重心转换到判别器，利用训练好的判别器直接用于电池故障数据分类；不需要扩充原始数据集，避免引入噪声，不需要再额外训练分类器，降低训练成本和时间。

公开(公告)号：CN117076871B

公开(公告)日：2023-12-29

申请号：CN202311333654.1

申请日：2023-10-16

Applicant: 南京邮电大学

Inventor： 孙雁飞 ,  刘伟强 ,  陈梦婷 ,  亓晋 ,  董振江

IPC: G06F18/10 ,  G06F18/214 ,  G06F18/21 ,  G06F18/2431 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/0895 ,  G06N3/094

Abstract: 本发明属于动力电池故障识别技术领域，公开了一种基于不平衡半监督对抗训练框架的电池故障分类方法，其先对电池故障数据集构建与预处理，构建包含生成器和多类半监督分类器的对抗训练模型；利用训练好的对抗训练模型进行数据分类评估，判断分类性能是否满足要求。本发明将电池故障数据的训练重心转换到判别器，利用训练好的判别器直接用于电池故障数据分类；不需要扩充原始数据集，避免引入噪声，不需要再额外训练分类器，降低训练成本和时间。(56)对比文件He R等.Generative adversarialnetwork-based semi-supervised learningfor real-time risk warning of processindustries《.Expert Systems withApplications》.2020,第150卷1-12.