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.

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：CN117346806A

公开(公告)日：2024-01-05

申请号：CN202311269655.4

申请日：2023-09-28

Applicant: 南京邮电大学

Inventor： 陈梦婷 ,  陈睿

IPC: G01C21/34 ,  G06N3/006 ,  G06N3/096 ,  G06N3/126

Abstract: 本发明属于路径规划领域，公开了一种改进沙丘猫算法的电动车辆路径规划方法，首先基于沙丘猫(SCSO)算法的并行性搜索高维解空间，快速获得初始化配送方案。其次，根据目标函数自适应筛选精英配送路线，将其离散化编码排序，移动变异后利用大领域搜索算子破坏‑修复编码，提高SCSO算法全局搜索能力，最后，采用精英个体迁移机制共享路径信息充分发挥沙丘猫群体间协作优势，以改善混合算法的求解质量。本发明所提出算法能够有效缩短配送时间、减少无效路径时间。