摘要
本发明公开了一种基于云协同与多源传感的锂电池异常检测方法及检测系统,方法包括在锂电池各监测单元部署边缘计算节点,同步采集电磁声发射信号及温度应变信号;预处理信号,融合全局特征和局部特征,分类电池状态并动态调整参数;上传预警信号及监测数据至云端,通过联邦学习更新融合模型特征权重并生成全局模型参数;对全局模型参数及高优先级预警数据划分优先级,通过5G网络切片加密下发至边缘节点及决策终端。通过多源信号同步采集,并结合Transformer‑卷积神经网络融合模型的边缘端动态诊断机制,形成云边协同的联邦学习闭环系统,实现了锂电池故障的毫秒级响应与自适应监测,提高故障诊断准确率,显著提升电池安全管理系统的实时性与可靠性。
技术关键词
异常检测方法
电磁声
锂电池
分布式光纤光栅
光纤布拉格光栅反射
卷积神经网络融合
注意力机制
局部特征提取
融合全局特征
信号
卷积神经网络提取
监测单元
时间同步机制
网络切片技术
参数
同态加密技术
传感器阵列
节点
动态
系统为您推荐了相关专利信息
环境影响评估方法
时空卷积神经网络
电磁驱动力
拆解设备
锂电池
时序特征
细胞形态特征
步态特征
异常状况
融合特征
锂电池
LSTM模型
剩余使用寿命
数据
模型训练模块
车载锂电池
内阻
递归最小二乘法
协方差矩阵
数值