【技术实现步骤摘要】
本专利技术涉及新能源汽车电池的，尤其是涉及一种新能源汽车动力电池故障诊断方法。
技术介绍
1、在过去的几十年中，电动和混合动力汽车的使用越来越广泛。影响电动汽车性能和使用寿命的一个重要因素是其动力电池状态和状况。因此，有效的动力电池故障诊断算法对于新能源汽车技术的发展和成熟至关重要。当前，传统的基于硬件的故障诊断方法通常需要时间和成本昂贵的测试过程。近年来，深度学习技术的兴起，为动力电池故障诊断提供了更为高效、准确的方法，尤其是long short-term memory(lstm)神经网络和卷积神经网络(convolutional neuralnetwork,cnn)在故障诊断中得到了广泛应用。
2、但在现有的方法中，针对电池相关参数，需要进行联网协同对电池相关参数的进行处理才能准确的故障判断，也没有采用端到端故障诊断技术，即根据输入数据学习预测输出结果，通常采用单一的值-率法进行判断，单一的值-率法判断的精度较低，并且还有传统人工提取特征的繁琐过程和对测试者的技能依赖的问题。
技术实现思路b>
1本文档来自技高网...
【技术保护点】
1.一种新能源汽车动力电池故障诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种新能源汽车动力电池故障诊断方法，其特征在于：所述步骤S1中，采集的相关故障数据包括电池的电压数据，电池的温度数据，电池的SOC、车辆的里程数据、操作记录、故障类型和修复记录。
3.根据权利要求2所述的一种新能源汽车动力电池故障诊断方法，其特征在于：所述步骤S2中，采集的电池相关数据包括单体电压、单体温度、最高温度和最低温度，预处理包括数据清洗、去除空值和异常值、去噪、数据切片和归一化。
4.根据权利要求3所述的一种新能源汽车动力电池故障诊...
【技术特征摘要】
1.一种新能源汽车动力电池故障诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种新能源汽车动力电池故障诊断方法，其特征在于：所述步骤s1中，采集的相关故障数据包括电池的电压数据，电池的温度数据，电池的soc、车辆的里程数据、操作记录、故障类型和修复记录。
3.根据权利要求2所述的一种新能源汽车动力电池故障诊断方法，其特征在于：所述步骤s2中，采集的电池相关数据包括单体电压、单体温度、最高温度和最低温度，预处理包括数据清洗、去除空值和异常值、去噪、数据切片和归一化。
4.根...
【专利技术属性】
技术研发人员：洪吉超，张弛，张磊，李萌，梁峰伟，李克瑞，徐钱，
申请(专利权)人：北京科技大学顺德创新学院，
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。