【技术实现步骤摘要】
本专利技术涉及动力电池、深度学习等，尤其涉及一种深度学习模型训练方法、电池故障检测方法、装置及设备。
技术介绍
1、电池作为提供动力的部件，对设备的正常运行起着至关重要的作用。例如对于新能源汽车来说，动力电池的故障情况对汽车的正常驾驶影响非常大，因此需要及时检测电池的故障情况，以便及时采取相关措施。相关技术中，在检测电池故障时，通常需要人工参与，依赖人工经验，导致电池故障检测的准确性较低、检测的及时性难以得到保证、检测效果不佳等。
技术实现思路
1、本申请实施方式旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请实施方式的目的在于提出一种用于检测电池故障的深度学习模型训练方法、电池故障检测方法、装置、电子设备、存储介质及程序产品。
2、本申请实施方式提供一种用于检测电池故障的深度学习模型训练方法，所述方法包括：获取与多个电池指标类别一一对应的多个样本数据集，每个样本数据集包括相应电池指标类别所对应的电池指标数据和与所述电池指标数据相关联的样本故障标签；将所述多个样本...
【技术保护点】
1.一种用于检测电池故障的深度学习模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基础深度学习模型包括依次连接的输入层级、残差层级、输出层级；所述对所述基础深度学习模型进行模型压缩，以减少参与模型训练的神经元数量包括：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述基础深度学习模型包括依次连接的输入层级、残差层级、全连接层级；所述在所述基础深度学习模型中添加注意力...
【技术特征摘要】
1.一种用于检测电池故障的深度学习模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基础深度学习模型包括依次连接的输入层级、残差层级、输出层级；所述对所述基础深度学习模型进行模型压缩，以减少参与模型训练的神经元数量包括：
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述基础深度学习模型包括依次连接的输入层级、残差层级、全连接层级；所述在所述基础深度学习模型中添加注意力网络层，得到所述待训练深度学习模型包括：
6.根据权利要求5所述的方法，其特征在于，所述注意力网络层级包括通道注意力网络层级和空间注意力网络层级，在所述输入层级和所述残差层级之间添加所述通道注意力网络层级，在所述残差层级和所述全连接层级之间添加所述空间注意力网络层级。
<...【专利技术属性】
技术研发人员：戴大力，邢飞飞，马建生，熊传磊，请求不公布姓名，
申请(专利权)人：合众新能源汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。