融合特征对比编码与图卷积网络的电池组故障诊断方法

AITNT
正文
推荐专利
融合特征对比编码与图卷积网络的电池组故障诊断方法
申请号:CN202510666502
申请日期:2025-05-22
公开号:CN120470408A
公开日期:2025-08-12
类型:发明专利
摘要
本发明公开了融合特征对比编码与图卷积网络的电池组故障诊断方法,涉及电池故障诊断技术领域。本发明包括:接收电池组原始电压序列并进行预处理,采用滑动窗口算法生成样本集,将样本集划分为训练集与测试集,其中样本集包含健康样本与故障样本;构建特征对比编码器,基于训练集与测试集对特征对比编码器进行训练,直至对比损失函数最小化,得到训练后的特征对比编码器。本发明构建特征对比编码器模块,通过最大化类间差异、最小化类内差异,增强健康与故障样本在特征空间中的可分性,并且构建图卷积网络模型,利用样本间的结构关联性,提取序列特征和空间关系,从而提升对复杂故障模式的识别能力。
技术关键词
故障诊断方法 样本 卷积神经网络模型 融合特征 滑动窗口算法 嵌入特征 模拟电池组 序列 电池故障诊断技术 编码特征 计算机可执行指令 Softmax函数 时序依赖关系 卷积网络模型 故障诊断系统 编码器参数
系统为您推荐了相关专利信息
1
一种数据质量增强方法、系统、设备和存储介质
网格 样本 预测残差 聚类算法 解码器
2
故障数据采集方法、故障诊断方法、设备、介质及产品
故障数据采集方法 监控单元 故障诊断方法 故障预测模型 参数
3
一种基于TransGAN网络的异常行为检测方法
时间滑动窗口 检测流水线 网络 注意力机制 XGBoost算法
4
一种基于半监督学习的图像分类模型的构建方法
图像分类模型 半监督学习 样本 机器学习模型 半监督训练
5
基于文本分析与外部特征检测的钓鱼邮件识别方法及系统
验证特征 钓鱼邮件 文本特征分析 双通道模型 融合特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号