大数据框架下基于重要样本筛选的动力电池异常检测方法

本发明公开了一种大数据框架下基于重要样本筛选的动力电池异常检测方法：步骤1，对车辆运行历史数据进行预处理；步骤2，根据预处理后的车辆运行数据得到训练集和测试集；确定神经网络模型结构并将训练集输入神经网络模型中进行预训练；步骤3，计算训练集中每个样本的重要性分数；步骤4，根据重要性分数确定样本筛选比例组成重要样本；步骤5，将重要样本输入到神经网络模型训练；步骤6，将车辆实时数据输入预测模型中；计算测试数据和模型输出的残差，若大于设定的异常阈值，则认定当前时刻车辆存在异常，否则为正常。本发明减小了冗余样本对模型效能的影响，为深度学习算法在大规模车辆安全监测下的部署提供了支撑。