[发明专利]用于检测电池异常的方法和装置在审

专利信息
申请号: 202310093584.0 申请日: 2023-01-18
公开(公告)号: CN116125288A 公开(公告)日: 2023-05-16
发明(设计)人: 邰康盛;张健;潘鹏举;吴毅成 申请(专利权)人: 蔚来汽车科技(安徽)有限公司
主分类号: G01R31/367 分类号: G01R31/367;G01R31/396
代理公司: 中国专利代理(香港)有限公司 72001 代理人: 李湘
地址: 230601 安徽省合肥市经济*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 检测 电池 异常 方法 装置
【权利要求书】:

1.一种用于训练目标检测模型的方法,该目标检测模型被用于电池异常检测,所述方法包括下列步骤:

由多个电池数据集生成相应的多个特征图作为训练样本,其中,每个所述电池数据集包含归属于同一个电池的多个电芯的状态参数的时间序列,所述多个特征图的每一个包含与多个电芯对应的多个区域,每个所述区域具有关联于所对应的电芯的时序性特征;

将所述多个特征图划分为训练集和验证集,并且对划归所述训练集的特征图进行标注;

利用所述多个特征图对所述目标检测模型进行训练。

2.如权利要求1所述的方法,其中,所述状态参数为下列中的一个或多个:电压、电流和温度。

3.如权利要求1或2所述的方法,其中,所述多个特征图的每一个按照下列方式生成:

由各个电芯的状态参数的时间序列生成各自的序列特征;

利用同一编码器,由各自的序列特征生成各个电芯的编码特征作为所述时序性特征;

生成表示各个电芯在所述电池的横截面上的投影的投影图并且将所生成的各个电芯的编码特征关联于投影图中相应的区域以得到所述电池的特征图;

根据设定的规则调整各个电芯在所述特征图上的位置。

4.如权利要求3所述的方法,其中,在利用所述多个特征图训练样本对所述目标检测模型进行训练之前还包括下列步骤:

将所述多个特征图的尺度调整至设定值。

5.如权利要求3所述的方法,其中,所述序列特征为下列中的一个或多个:所述状态参数在设定长度的时间窗口内的平均值、标准差、最小值、最大值、中位数、差分最小值和差分最大值。

6.如权利要求3所述的方法,其中,所述编码器选自下列中的一种:循环神经网络、双向循环神经网络、长短时记忆网络、双向长短时记忆网络、门控循环单元神经网络。

7.如权利要求3所述的方法,其中,所述设定的规则包括优先级别依次降低的下列规则:

使电流回路内相邻的电芯在所述特征图上相邻;

使空间位置相邻的电芯在所述特征图上相邻。

8.一种用于训练目标检测模型的装置,该目标检测模型被用于电池异常检测,所述装置包括:

至少一个处理器;

至少一个存储器;

存储在所述存储器上的计算机程序,所述计算机程序在所述处理器上的运行导致下列操作:

由多个电池数据集生成相应的多个特征图作为训练样本,其中,每个所述电池数据集包含归属于同一个电池的多个电芯的状态参数的时间序列,所述多个特征图的每一个包含与多个电芯对应的多个区域,每个所述区域具有关联于所对应的电芯的时序性特征;

将所述多个特征图划分为训练集和验证集,并且对划归所述训练集的特征图进行标注;

利用所述多个特征图对所述目标检测模型进行训练。

9.一种用于检测电池异常的方法,包括下列步骤:

由待检测电池的数据集生成待检测的特征图,其中,所述待检测电池的数据集包含归属于该待检测电池的多个电芯的状态参数的时间序列,所述待检测的特征图包含与该待检测电池的多个电芯对应的多个区域,每个所述区域具有关联于所对应的电芯的时序性特征;

将所述待检测的特征图输入目标检测模型以执行电池异常检测,其中,所述目标检测模型由如权利要求1-9中任意一项所述的方法训练得到。

10.一种用于检测电池异常的装置,包括:

特征图生成单元,其配置为由待检测电池的数据集生成待检测的特征图,其中,所述待检测电池的数据集包含归属于该待检测电池的多个电芯的状态参数的时间序列,所述待检测的特征图包含与该待检测电池的多个电芯对应的多个区域,每个所述区域具有关联于所对应的电芯的时序性特征;

异常检测引擎,其配置为将所述待检测的特征图输入目标检测模型以执行电池异常检测,其中,所述目标检测模型由如权利要求10-18中任意一项所述的装置训练得到。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于蔚来汽车科技(安徽)有限公司,未经蔚来汽车科技(安徽)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310093584.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top