龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆赛力斯凤凰智创科技有限公司
摘要：本申请涉及一种电池故障预测模型训练方法及装置、预测方法及装置，所述训练方法包括获取样本数据，所述样本数据包括至少两个电池变量的时域信号，所述电池变量包括电流、电压或温度；基于变量注意力机制处理所述时域信号间的交互特征，获得第一特征向量；基于时间注意力机制处理所述时域信号间的时序特征，获得第二特征向量：根据所述第一特征向量和所述第二特征向量，融合获得跨维度融合特征向量；基于所述跨维度融合特征向量以及所述时域信号标注的所述故障类别标签，对置信网络进行迭代训练，获得所述电池故障预测模型。采用本申请训练方法得到的模型，可以改善现有技术中电池故障预测精度和准确性低的问题。
主权项：1.一种电池故障预测模型训练方法，其特征在于，包括：获取样本数据，所述样本数据包括至少两个电池变量的时域信号，所述电池变量包括电流、电压或温度，其中，至少部分所述样本数据标注有故障类别标签；基于变量注意力机制处理所述时域信号间的交互特征，获得第一特征向量；基于时间注意力机制处理所述时域信号间的时序特征，获得第二特征向量：根据所述第一特征向量和所述第二特征向量，融合获得跨维度融合特征向量；基于所述跨维度融合特征向量以及所述故障类别标签，对置信网络进行迭代训练，获得所述电池故障预测模型。
全文数据：
权利要求：
百度查询： 重庆赛力斯凤凰智创科技有限公司 电池故障预测模型训练方法及装置、预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号