电池数据的处理方法、机器学习模型的训练方法以及设备技术

本申请实施例公开一种电池数据的处理方法、机器学习模型的训练方法以及设备，该方法可用于电池的故障监测领域中，方法包括：根据电池的第一特征参数的第一取值信息，生成电池的第一特征参数的第二取值信息，第一特征参数为电池自身的特征参数，在电池的使用过程中不能够采集到，第一取值信息指示电池在正常状态时第一特征参数的取值，第二取值信息指示电池在故障状态时第一特征参数的取值；进而根据该第二取值信息，生成电池在故障状态时第二特征参数的第三取值信息，第二特征参数为电池在使用过程中的特征参数；由于电池大部分时间是处于正常状态的，电池在正常状态时自身的特征参数容易获取，也即降低了本方案的实现难度。也即降低了本方案的实现难度。也即降低了本方案的实现难度。

【技术实现步骤摘要】
电池数据的处理方法、机器学习模型的训练方法以及设备


[0001]本申请涉及人工智能领域，尤其涉及一种电池数据的处理方法、机器学习模型的训练方法以及设备。

技术介绍

[0002]随着时代的发展，汽车产业进入变革时代，燃油车在向新能源车辆的转型正在加速，动力电池作为新能源车辆的核心部件，如何提高车辆中动力电池的安全性是当前车辆行业最重要的课题之一。
[0003]目前采用的方案包括对车辆中的电池进行故障检测，具体的，可以预先训练一个机器学习模型，该机器学习模型的输入为车辆中电池在使用过程中采集到的参数信息，该机器学习模型输出的预测信息用于指示车辆中的电池是否存在故障。
[0004]但是，在对上述机器学习模型进行训练时，需要大量的电池在故障状态下使用时的参数信息，而车辆运行过程中，电池大部分时间是处于正常状态的，只有在很少数的时间里是处于故障状态，导致只能采集到很少的电池在故障状态下使用时的参数信息，因此，一种电池在故障状态下使用时的参数信息的生成方案亟待推出。

技术实现思路

[0005]本申请实施例提供了一种电池数据的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池数据的处理方法，其特征在于，所述方法包括：获取电池的第一特征参数的第一取值信息，所述第一取值信息指示电池在正常状态时所述第一特征参数的取值，所述第一特征参数包括电池的特征参数，所述第一特征参数的取值在电池的使用过程中不能够采集到；根据所述第一特征参数的第一取值信息，生成电池的所述第一特征参数的第二取值信息，所述第二取值信息指示电池在故障状态时所述第一特征参数的取值；根据所述第一特征参数的第二取值信息，生成电池在故障状态时第二特征参数的第三取值信息，其中，所述第二特征参数包括电池在使用过程中的特征参数，所述第二特征参数的取值在电池的使用过程中能够采集到。2.根据权利要求1所述的方法，其特征在于，所述第二特征参数包括如下任一项或多项：电压、电流或者温度。3.根据权利要求1或2所述的方法，其特征在于，所述第一特征参数的第一取值信息是通过第一机器学习模型进行预测得到的。4.根据权利要求1或2所述的方法，其特征在于，所述获取电池的第一特征参数的第一取值信息，包括：根据电池在正常状态时的所述第二特征参数的第四取值信息，生成所述第一特征参数的第一取值信息。5.根据权利要求1或2所述的方法，其特征在于，所述第一特征参数包括如下任一项或多项：电池的初始荷电状态、电池容量、电池的欧姆内阻或者电池的极化内阻。6.一种机器学习模型的训练方法，其特征在于，所述方法包括：从训练数据集合中获取第一训练样本，所述第一训练样本包括电池的第二特征参数的第三取值信息，其中，所述第二特征参数包括电池在使用过程中的特征参数，所述第二特征参数的取值在电池的使用过程中能够采集到，所述第三取值信息包括电池处于故障状态时所述第二特征参数的取值；将所述第一训练样本输入第二机器学习模型，得到所述第二机器学习模型输出的第二预测信息，所述第二预测信息指示所述第一训练样本指向的电池的预测状态，所述电池的预测状态包括电池处于正常状态或电池处于故障状态；根据与所述第一训练样本对应的正确信息、所述第二预测信息和损失函数，对所述第二机器学习模型进行训练，所述正确信息指示所述第一训练样本指向的电池的正确状态，所述损失函数指示所述第二预测信息和所述正确信息之间的相似度，所述电池的正确状态包括电池处于正常状态或电池处于故障状态；其中，所述第一训练样本基于电池的第一特征参数的第二取值信息得到，所述第一特征参数的第二取值信息基于所述第一特征参数的第一取值信息得到，所述第一特征参数包括电池的特征参数，所述第一特征参数的取值在电池的使用过程中不能够采集到，所述第一取值信息指示电池在正常状态时所述第一特征参数的取值，所述第二取值信息指示电池在故障状态时所述第一特征参数的取值。7.根据权利要求6所述的方法，其特征在于，所述第一特征参数的第一取值信息是通过第一机器学习模型进行预测得到的。8.根据权利要求7所述的方法，其特征在于，所述训练数据集合中还包括多个第二训练
样本，每个所述第二训练样本包括电池的所述第二特征参数的第四取值信息，所述第四取值信息包括电池在正常状态下的所述第二特征参数的取值；其中，所述多个第二训练样本包括真实的第二训练样本和仿真的第二训练样本，所述真实的第二训练样本为在电池正常使用过程中采集到的，所述仿真的第二训练样本根据所述第一机器学习模型生成的所述第一取值信息得到。9.根据权利要求7所述的方法，其特征在于，所述第二机器学习模型包括特征提取网络和特征处理网络，所述特征提取网络的训练目标还包括拉近第一特征信息和第二特征信息之间的相似度；其中，所述第一特征信息为通过所述特征提取网络对真实的第四取值信息进行特征提取得到，所述第二特征信息为通过所述特征提取网络对仿真的第四取值信息进行特征提取得到，所述第四取值信息包括电池在正常状态下的所述第二特征参数的取值；所述真实的第四取值信息为在电池正常状态下使用时采集到的，所述仿真的第四取值信息根据所述第一机器学习模型生成的所述第一特征参数的第一取值信息得到。10.一种电池数据的处理装置，其特征在于，所述装置包括：获取模块，用于获取电池的第一特征参数的第一取值信息，所述第一取值信息指示电池在正常状态时所述第一特征参数的取值，所述第一特征参数包括电池的特征参数，所述第一特征参数的取值在电池的使用过程中不能够采集到；生成模块，用于根据所述第一特征参数的第一取值信息，生成电池的所述第一特征参数的第二取值信息，所述第二取值信息指示电池在故障状态时所述第一特征参数的取值；所述生成模块，还用于根据所述第一特征参数的第二取值信息，生成电池在故障状态时第二特征参数的第三取值信息，其中，...

【专利技术属性】
技术研发人员：张建锋，王大涛，文勇，潘璐伽，刘力硕，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：