一种基于机器学习的多传感器电池安全监控方法及系统

本发明提供一种基于机器学习的多传感器电池安全监控方法及系统，包括：通过电池系统中的传感器采集数据；将采集到的数据以JSON格式存储，并对数据进行人工标注；使用基于鲁棒估计的生成对抗网络对标注后的数据进行扩充，来构成训练样本；通过自适应波动优化算法的神经网络对训练样本进行特征提取；基于流形映射学习的自编码神经网络对提取的特征进行降维，以形成低维特征空间；基于朗道量子化的支持向量机分类算法对降维后的数据进行分类；基于分类结果，进行电池安全状态的监控。本发明在特征降维中保持了关键信息的同时，减少了数据的维度，优化了处理效率和运算负荷，通过精确的量子态调整和数据特性合并，提升了分类精度和稳定性。