【技术实现步骤摘要】
本专利技术涉及新能源材料抗重物撞击与热刺激安全性数据挖掘与分析领域，特别是涉及一种基于多智能体强化学习的新能源材料安全评估方法、系统及电子设备。
技术介绍
1、众所周知，含能材料中各类缺陷及热点演化是极其复杂的，其与含能材料的关联还缺少定量规律认识和理论描述。随着计算科学的发展和数据挖掘技术的进步，基于热点演化过程的建模和高通量计算已成为认识含能材料安全性的新思路；与此同时，借助机器学习的最新方法有望建立这些基本演化过程与材料安全性的关联，进而发展具有预测性的安全性评估模型。
2、已有方案主要从电池老化的影响因素如电量、功率、内阻、电容、循环次数等角度讨论引起电池外壳开裂、化学物质泄露等事故原因，或者从循环时间、平均放电电流/电压以及电池温度等因素与电池健康相关性角度讨论电池安全评估方法；也有文献从电解液选取和改良方面开展研究，以提高功率密度，并保证电池的安全性。如文献[1]胡江涛,郑家新,潘锋.锂电池磷酸铁锂正极材料的结构与性能相关性的研究进展[j].物理化学学报,2019,35(04):22-31.doi:10.3866...
【技术保护点】
1.一种基于多智能体强化学习的新能源材料安全评估方法，其特征在于，所述新能源材料安全评估方法包括：
2.根据权利要求1所述的基于多智能体强化学习的新能源材料安全评估方法，其特征在于，所述样本轮廓系数的计算公式为：
3.根据权利要求1所述的基于多智能体强化学习的新能源材料安全评估方法，其特征在于，根据所述样本轮廓系数、类簇轮廓系数以及总轮廓系数，确定属于良好类簇子集的智能体，具体包括：
4.根据权利要求3所述的基于多智能体强化学习的新能源材料安全评估方法，其特征在于，所述预设条件包括第一预设条件、第二预设条件和第三预设条件；
<...【技术特征摘要】
1.一种基于多智能体强化学习的新能源材料安全评估方法，其特征在于，所述新能源材料安全评估方法包括：
2.根据权利要求1所述的基于多智能体强化学习的新能源材料安全评估方法，其特征在于，所述样本轮廓系数的计算公式为：
3.根据权利要求1所述的基于多智能体强化学习的新能源材料安全评估方法，其特征在于，根据所述样本轮廓系数、类簇轮廓系数以及总轮廓系数，确定属于良好类簇子集的智能体，具体包括：
4.根据权利要求3所述的基于多智能体强化学习的新能源材料安全评估方法，其特征在于，所述预设条件包括第一预设条件、第二预设条件和第三预设条件；
5.根据权利要求3所述的基于多智能体强化学习的新能源材料安全评估方法，其特征在于，根据所述样本轮廓系数、所述类簇轮廓系数和所述总轮廓系数，将所述多个良好类...
【专利技术属性】
技术研发人员：李凤莲，杜鹏，徐利春，李彦民，
申请(专利权)人：太原理工大学，
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。