公开(公告)号：CN110308397A

公开(公告)日：2019-10-08

申请号：CN201910695409.2

申请日：2019-07-30

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  胡和煦 ,  熊庆宇 ,  朱智勤 ,  侯杰 ,  丁宝苍 ,  张子健 ,  张岸

IPC: G01R31/367 ,  G01R31/378 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种混合卷积神经网络驱动的锂电池多类故障诊断建模方法，属于电池技术领域。利用分数阶傅里叶变换获得实测的和筛选的锂电池精细化故障频谱，构成用于锂电池故障诊断的混合大数据标注样本；设计面向混合锂电池故障样本的全局卷积神经网络，以及分别针对实测的和筛选的锂电池故障数据的局部卷积神经网络，构成混合卷积神经网络锂电池故障诊断模型；通过对卷积神经网络中的全局与局部锂电池故障特征进行学习，并采用全连接分类映射，实现锂电池故障的多分类与定位。该方法提高了电池管理系统可靠性和安全性，减轻了参数众多引起的计算复杂性，解决了多物理耦合诊断模型在实际应用中仅能针对某一类锂电池故障诊断任务的问题。

公开(公告)号：CN110414604A

公开(公告)日：2019-11-05

申请号：CN201910695455.2

申请日：2019-07-30

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  张岸 ,  丁宝苍 ,  熊庆宇 ,  朱智勤 ,  侯杰 ,  邵子璇 ,  胡和煦

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及感知对抗生成网络驱动的锂电池故障数据生成方法，属于电池技术领域。在本发明中以外部电气参数表示的实测标注故障小样本数据为对象，考虑随机变量注入小样本故障数据的感知残差效应。以感知生成网络为对象，构建适应故障小样本数据分布的深度神经网络结构，及其感知损失函数设计策略。以对抗鉴别网络为对象，构建反映真实故障数据分布的网络结构，及其对抗损失函数构建范式，理解故障数据生成模型中真实分布与感知分布的误差传播关系及其可能的博弈模式，生成与真实故障锂电池分布接近的数据。该方法解决了目前有效可用的动力锂电池故障数据稀缺问题，提高了神经网络的训练效果，提高锂电池故障诊断模型的泛化能力弱与表达能力。

公开(公告)号：CN110308397B

公开(公告)日：2021-04-02

申请号：CN201910695409.2

申请日：2019-07-30

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  胡和煦 ,  熊庆宇 ,  朱智勤 ,  侯杰 ,  丁宝苍 ,  张子健 ,  张岸

IPC: G01R31/367 ,  G01R31/378 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种混合卷积神经网络驱动的锂电池多类故障诊断建模方法，属于电池技术领域。利用分数阶傅里叶变换获得实测的和筛选的锂电池精细化故障频谱，构成用于锂电池故障诊断的混合大数据标注样本；设计面向混合锂电池故障样本的全局卷积神经网络，以及分别针对实测的和筛选的锂电池故障数据的局部卷积神经网络，构成混合卷积神经网络锂电池故障诊断模型；通过对卷积神经网络中的全局与局部锂电池故障特征进行学习，并采用全连接分类映射，实现锂电池故障的多分类与定位。该方法提高了电池管理系统可靠性和安全性，减轻了参数众多引起的计算复杂性，解决了多物理耦合诊断模型在实际应用中仅能针对某一类锂电池故障诊断任务的问题。