异常检测模型生成方法及装置和异常检测方法及装置制造方法及图纸

一种异常检测模型生成方法及装置和异常检测方法及装置。其中，一种异常检测模型生成方法，包括：获取锂电池断层的深度图像数据，将获取的所述深度图像数据中表示锂电池正常的图像数据转换成彩色图像数据；采用所述彩色图像数据训练预先设置的自编码器，以获得所述彩色图像数据的重构图像数据；根据所述彩色图像数据和所述重构图像数据计算异常检测报警阈值。与相关技术相比，上述方法在模型生成时无需采集锂电池异常状态的样本，就可得到报警阈值，而且通过优化的异常检测模型进行锂电池异常检测，准确率高。此外，可对锂电池多类未知异常状态进行检测，适用范围广。适用范围广。适用范围广。

【技术实现步骤摘要】
异常检测模型生成方法及装置和异常检测方法及装置


[0001]本文涉及锂电池技术，尤指一种用于锂电池的异常检测模型生成方法及装置和异常检测方法及装置。

技术介绍

[0002]近年来，全球能源短缺、环境污染问题日益加剧，采用新能源的能量供给方式来取代传统燃料的能量供给方式对缓解环境问题十分必要。随着国家政策的支持，我国新能源产业也得到了快速发展，锂电池是新能源产业链中重要的储能装置，被广泛应用于电动汽车、笔记本电脑等装置。锂电池一旦发生故障，将严重降低使用效率、难以保障使用安全，因此，实现锂电池异常智能检测，对设备的安全使用具有重要意义。
[0003]数据驱动的方法是锂电池健康状态监测中常用的方法之一，主要包括数据采集、特征提取和诊断分析步骤。该类方法中目前存在的主要问题包括：1）锂电池健康监测的数据类型主要包括电压信号、电流信号和温度信号，这些数据不能反映电池老化过程中内部结构的变化，降低了健康状态监测性能；2）异常检测多基于历史正常数据和历史异常数据，但是，当历史异常数据类型有限的情况下，训练得到的异常检测模型适用性差，出现新类别的异常本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检测模型生成方法，包括：获取锂电池断层的深度图像数据，将获取的所述深度图像数据中表示锂电池正常的图像数据转换成彩色图像数据；采用所述彩色图像数据训练预先设置的自编码器，以获得所述彩色图像数据的重构图像数据；根据所述彩色图像数据和所述重构图像数据计算异常检测报警阈值。2.根据权利要求1所述的异常检测模型生成方法，其中，所述采用所述彩色图像数据训练预先设置的自编码器，包括：采用迭代方式执行以下步骤，直至获得的损失函数的值小于预设阈值：将所述彩色图像数据输入预设的自编码器，获取重构图像数据；根据所述彩色图像数据和所述重构图像数据计算损失函数的值；根据所述损失函数的值调整所述自编码器的参数；当损失函数的值小于预设阈值时，将调整后得到的自编码器作为训练好的自编码器。3.根据权利要求2所述的异常检测模型生成方法，其中，所述根据所述彩色图像数据和所述重构图像数据计算损失函数的值，包括：在所述损失函数中添加正则化项，获得修正后的损失函数；根据所述彩色图像数据和所述重构图像数据计算修正后的损失函数的值。4.根据权利要求1～3中任意一项所述的异常检测模型生成方法，其中，所述预先设置的自编码器包括编码器和解码器，所述编码器和所述解码器均包括激活函数；所述激活函数的类型依据不同型号锂电池、不同锂电池循环环境的异常检测性能进行选取。5.根据权利要求1～3中任意一项所述的异常检测模型生成方法，其中，所述根据所述彩色...

【专利技术属性】
技术研发人员：李彦夫，张颖，
申请(专利权)人：清华大学，
类型：发明
国别省市：