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
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
时间滑动窗口
检测流水线
网络
注意力机制
XGBoost算法
图像分类模型
半监督学习
样本
机器学习模型
半监督训练
验证特征
钓鱼邮件
文本特征分析
双通道模型
融合特征