摘要
本发明涉及电池健康管理技术领域,具体涉及基于扩散Transformer与置信度校准的电池故障无监督检测方法,包括获取电池运行过程中的多模态时序数据,并进行预处理,包括数据清洗、归一化处理、对齐和采样;构建一个扩散Transformer自监督学习框架,该框架包括基于余弦调度策略的扩散过程、多尺度Transformer架构编码和交叉模态自适应融合机制。通过这个框架,对潜在空间表示进行优化,并计算电池状态置信度;采用贝叶斯优化框架动态确定最优检测阈值,并根据电池状态置信度与最优检测阈值的比较结果,判定电池状态为正常或故障,完全摆脱对故障样本标签的依赖,仅利用正常样本数据即可训练高性能故障检测模型。
技术关键词
动态时间规整算法
监督学习框架
数据
时序
滑动窗口技术
多模态
充放电周期特性
样本
校验机制
电池健康管理
无监督
故障检测模型
多尺度
电流
前馈神经网络
非线性
策略
推理网络
系统为您推荐了相关专利信息
生理监测装置
运动生成系统
偏好特征
数据标准化方法
特征提取方法
快速生成方法
生成测试用例
BiLSTM模型
规则冲突检测
覆盖率
协同优化方法
储能设备
实时数据
优化配电网
电车