摘要
本申请提供了一种基于充电数据的故障诊断方法、装置、介质及设备,通过采集充电过程中的充电数据;提取充电数据中的静态特征和时间序列特征;将静态特征输入支持向量机模型得到第一故障概率;将时间序列特征输入长短期记忆网络得到第二故障概率;基于第一故障概率和第二故障概率,加权求和得到综合可信度;即在充电过程中实时采集充电数据并提取其中的静态特征和时间序列特征,利用支持向量机模型和长短期记忆网络分别识别静态特征和时间序列特征以得到第一故障概率和第二故障概率,综合第一故障概率和第二故障概率得到充电故障的可信度,以提高故障预测的准确性。
技术关键词
时间序列特征
支持向量机模型
故障诊断方法
长短期记忆网络
静态特征
充电电池
曲线
数据特征提取
电压
指数
基准
故障诊断装置
充电故障
数据采集模块
单体
处理器
可读存储介质
频率
系统为您推荐了相关专利信息
智能吊舱
异常点
智能故障诊断方法
时间序列特征
区域特征分析
钻头磨损预测方法
BP神经网络拟合
多头注意力机制
物理
双向长短期记忆网络
鲜面条
综合品质
评价方法
支持向量机模型
综合评价模型
双相不锈钢
冒口
浇注工艺
缺陷预测
训练样本数据
节能控制方法
带式输送机
参数
调节输送机
评估算法