故障诊断模型的训练方法和故障诊断方法技术

本申请公开了一种故障诊断模型的训练方法和故障诊断方法

【技术实现步骤摘要】
故障诊断模型的训练方法和故障诊断方法、装置


[0001]本申请属于电池
，尤其涉及一种故障诊断模型的训练方法和故障诊断方法
、
装置
。

技术介绍

[0002]随着电池技术的发展，电池的安全性越来越受到人们的关注，对电池进行故障诊断可以及时发现电池故障，避免出现安全隐患
。
现有技术中，对电池进行故障诊断的方法有电化学机理模型
、
等效电路模型
、
统计分析方法或专家系统等，其中，电化学机理模型计算复杂度高且需要专门测量设备，目前无法应用于实车在线计算，等效电路模型对电池内部化学变化的估计精度不足，统计分析方法和专家系统均需要先确定电池发生了何种故障才能确定电池发生故障，而对于不明确的故障类型无法诊断
。
[0003]为了解决上述问题，基于深度学习的电池故障诊断方法应运而生，但是，在对故障诊断模型进行训练前，需要采集大量的样本数据，而积累足够的样本数据需要大量的时间和人力成本
。

技术实现思路

[0004]本申请实施例提供一种故本文档来自技高网...

【技术保护点】

【技术特征摘要】
其中，
m
t
为历史梯度
V
t
‑1的一阶指数平滑值，
v
t
为历史梯度
V
t
‑1的二阶指数平滑值，
lr
t
为模型的学习率，
ε
为一个平滑项，
V
t
为更新之后的梯度变量值，
β1和
β2为预设常数
。5.
根据权利要求1所述的方法，其特征在于，在所述利用所述第二样本集对所述第三初始故障诊断模型进行训练，得到训练后的目标故障诊断模型之前，所述方法还包括：对所述第二样本集进行归一化处理，将归一化处理后的所述第二样本集中的多个所述第二样本分别转换为第二特征向量，得到第二特征向量集，所述利用所述第二样本集对所述第三初始故障诊断模型进行训练，得到训练后的目标故障诊断模型，包括：利用所述第二特征向量集对所述第三初始故障诊断模型进行训练，得到训练后的目标故障诊断模型，所述归一化处理的公式为：其中，
x
′
为所述归一化处理后的所述第二样本集，
x
为所述第二样本，
min(x)
为所述第二样本集中最小的第二样本，
max(x)
为所述第二样本集中最大的第二样本
。6.
根据权利要求1所述的方法，其特征在于，所述目标故障诊断模型包括多个神经元，所述神经元为门控循环神经网络
GRU。7.
根据权利要求1所述的方法，其特征在于，所述电池...

【专利技术属性】
技术研发人员：黄梓畅，高尚，
申请(专利权)人：经纬恒润天津研究开发有限公司，
类型：发明
国别省市：