摘要
本发明公开了基于动态自动编码器的锂离子电池故障诊断方法及系统,包括:获取正常数据和异常数据以作为编码器的输入数据,从而对编码器进行训练;基于编码器网络,将输入数据映射到一个低维表示,低维表示为数据的压缩表示或特征表示;将低维表示还原回输入数据的近似值以输出数据;利用均方误差的损失函数计算重建误差以减少输入数据和输出数据之间的差异;计算出重建误差后,使用反向传播算法将误差从输出层向输入层传播,更新神经网络的权重和偏置;重复上述步骤,直到损失函数收敛或者达到预定的训练轮数。本发明无监督学习能力强,具有自动学习故障模式,同步具备较强的适应性、鲁棒性、特征提取能力、局部特征捕捉能力。
技术关键词
自动编码器
故障诊断方法
锂离子电池
重建误差
异常数据
传播算法
动态
优化网络参数
故障诊断系统
特征提取能力
梯度下降算法
无监督学习
编码器模块
数据分析模块
数据获取模块
电压
密度
系统为您推荐了相关专利信息
轴承故障诊断方法
LSTM模型
滚动轴承故障
卷积模块
全局特征提取
电化学储能电池
消防报警方法
电池簇
应急机器人
巡检设备
预测网络模型
注意力
通道
全局平均池化
海洋数据同化
故障诊断模型
车辆故障数据
车辆故障诊断方法
车辆故障诊断装置
处理器通信