“何学智”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果64个，建议您升级VIP下载更多相关专利

[发明专利]一种基于AE-GAN的锂电池故障预警方法-CN202310858992.0在审
发明人：蔡绍进;何学智;汤慈全 -专利权人：福建星云电子股份有限公司
申请日： 2023-07-13 - 公布日： 2023-10-17 - 主分类号： G01R31/367 文献下载
摘要：本发明提供了锂电池检测技术领域的一种基于AE‑GAN的锂电池故障预警方法，包括：步骤S10、基于获取的充电数据构建训练集、验证集和测试集；步骤S20、对训练集、验证集和测试集进行预处理；步骤S30、利用训练集以及对抗损失函数对创建的生成对抗网络模型进行训练；步骤S40、将生成对抗网络模型中的生成器作为解码器，基于编码器以及解码器创建自编码网络模型，冻结解码器的权重；利用训练集以及MAE损失函数对自编码网络模型进行训练；步骤S50、基于自编码网络模型以及验证集确定故障阈值；步骤S60、利用测试集对自编码网络模型进行性能测试；步骤S70、利用自编码网络模型进行故障预警。本发明的优点在于：极大的提升了锂电池故障预警的泛化性以及准确性。
一种基于 ae gan 锂电池故障预警方法

[发明专利]一种融合无监督和监督学习的锂电池健康状态估计方法-CN202310508706.8在审
发明人： 何学智;汤慈全;蔡绍进 -专利权人：福建星云电子股份有限公司
申请日： 2023-05-08 - 公布日： 2023-09-05 - 主分类号： G01R31/367 文献下载
摘要：本发明提供了锂电池检测技术领域的一种融合无监督和监督学习的锂电池健康状态估计方法，包括：步骤S10、获取锂电池大量的充电数据，基于各充电数据构建训练集和测试集；步骤S20、对训练集和测试集进行归一化以及长度统一的预处理；步骤S30、基于编码模块、解码模块以及SOH预测模块创建一融合无监督学习和监督学习的第一估计模型；步骤S40、利用预处理后的训练集和测试集对第一估计模型进行训练和测试；步骤S50、从训练完成的第一估计模型中提取编码模块以及SOH预测模块，基于提取的编码模块以及SOH预测模块创建一第二估计模型；步骤S60、利用第二估计模型进行锂电池健康状态估计。本发明的优点在于：极大的提升了锂电池健康状态估计的准确性以及泛化性。
一种融合监督学习锂电池健康状态估计方法

[发明专利]一种基于自监督的电池特征提取方法、系统、设备及介质-CN202310508703.4在审
发明人： 何学智;汤慈全;梁琦晖 -专利权人：福建星云电子股份有限公司
申请日： 2023-05-08 - 公布日： 2023-09-05 - 主分类号： G06F18/213 文献下载
摘要：本发明提供了电池运维技术领域的一种基于自监督的电池特征提取方法、系统、设备及介质，方法包括如下步骤：步骤S1、基于神经网络创建一自监督学习的电池特征提取模型；步骤S2、获取大量的电池的充放电数据，将处于同一充放电周期的各条所述充放电数据随机裁剪为两段等长的充放电子数据；步骤S3、将各所述充放电子数据输入电池特征提取模型进行自监督学习的训练；步骤S4、利用训练后的所述电池特征提取模型中的编码器进行电池特征提取。本发明的优点在于：极大的提升了电池特征提取效率。
一种基于监督电池特征提取方法系统设备介质

[发明专利]任务导向性问答方法、系统、电子设备、可读存储介质-CN201911387758.4有效
发明人：余训兴;叶欣杰;何学智 -专利权人：新大陆数字技术股份有限公司
申请日： 2019-12-30 - 公布日： 2023-08-22 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种任务导向性问答方法，通过关键词意图模板及机器学习的方法对用户意图进行用户意图识别分类；进行命名实体识别，通过json或dict数据结构进行信息存储。进行对话管理，设立一列表记录并存储当前用户的兴趣导向，调用对策管理模块跟踪用户意图；对策管理模块通过有限状态机对当前任务进行追踪跟进；最后进行语言生成及语言输出。采用本方案，可在人机交互中准确定位用户意图，完成特定场景下的任务，降低人力成本，对重复性高、业务性强的任务准确性极高，可同时实现在餐厅、车站、超市中的导购、咨询、沟通等作用，具有回答灵活、回复不过分依赖于回复候选集的优点。
任务导向问答方法系统电子设备可读存储介质

[发明专利]人脸质量评定方法、系统、电子设备及可读存储介质-CN201911387751.2有效
发明人：王心莹;刘小扬;何学智;林林 -专利权人：新大陆数字技术股份有限公司
申请日： 2019-12-30 - 公布日： 2023-08-18 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种人脸质量评定方法，包括步骤：准备包含人脸的图像数据集以及对应的人脸属性标签；进行人脸检测，获得关键点并进行人脸对齐；将人脸图像的像素值进行归一化；评估人脸质量得分，质量得分评估的参照因素包括人脸亮度、左右脸亮度差异、两眼间距及神经网络质量输出，所述神经网络质量输出通过基于MobileFaceNet的神经网络结构来构建多任务卷积神经网络进行评估；将各参照因素进行加权计算，获得人脸质量得分。该方法具有质量评定速度快、准确性高的优点，能够在复杂的现实场景下准确地进行识别各类质量属性。
质量评定方法系统电子设备可读存储介质

[发明专利]一种基于对比学习的充电曲线相似度计算方法-CN202310310994.6在审
发明人： 何学智;余训兴;汤慈全 -专利权人：福建星云电子股份有限公司
申请日： 2023-03-28 - 公布日： 2023-08-08 - 主分类号： G06F18/22 文献下载
摘要：本发明提供了锂电池管理技术领域的一种基于对比学习的充电曲线相似度计算方法，包括：步骤S10、获取大量的新能源汽车的充电曲线，对充电曲线进行预处理，得到充电数据集；步骤S20、基于Transformer创建电池特征提取模型；步骤S30、利用充电数据集对电池特征提取模型进行训练；步骤S40、获取历史充电曲线，将各历史充电曲线输入电池特征提取模型得到历史电池特征，并将各历史电池特征以及对应的历史充电曲线存储至数据库；步骤S50、获取新能源汽车的实时充电曲线，将实时充电曲线输入电池特征提取模型得到实时电池特征，基于实时电池特征以及历史电池特征匹配相似的历史充电曲线。本发明的优点在于：极大的提升了充电曲线相似度计算的精度、泛化能力以及效率。
一种基于对比学习充电曲线相似计算方法

[发明专利]一种充电桩功率分配方法及系统-CN202211645851.2在审
发明人：汤慈全;余训兴;何学智;陈子承 -专利权人：福建星云软件技术有限公司
申请日： 2022-12-20 - 公布日： 2023-07-04 - 主分类号： B60L53/67 文献下载
摘要：本发明提供了电动汽车技术领域的一种充电桩功率分配方法及系统，方法包括：步骤S10、各电动汽车与充电桩连接后，移动终端获取输入的充电需求，基于充电需求向云平台发送充电请求；步骤S20、云平台解析充电请求得到充电需求，并获取当前台区所有充电桩的调度计划、充电桩参数以及当前台区的电容量负荷曲线；步骤S30、云平台设定一功率分配规则，基于功率分配规则、充电需求、调度计划、充电桩参数以及电容量负荷曲线，重新生成各充电桩的调度计划；步骤S40、云平台将重新生成的各调度计划发送给对应的充电桩，以调度充电桩给电动汽车进行充电。本发明的优点在于：实现合理分配充电桩功率，最大化满足电动汽车的充电需求，进而极大的提升了充电体验。
一种充电功率分配方法系统

[发明专利]一种基于多任务学习的锂电池老化预测方法及系统-CN202211639313.2在审
发明人： 何学智;汤慈全;刘作斌 -专利权人：福建星云电子股份有限公司
申请日： 2022-12-20 - 公布日： 2023-06-23 - 主分类号： G01R31/367 文献下载
摘要：本发明提供了锂电池检测技术领域的一种基于多任务学习的锂电池老化预测方法及系统，方法包括如下步骤：步骤S10、获取大量的锂电池充电数据，基于各所述锂电池充电数据构建多任务的在线充电数据集，并将所述在线充电数据集划分为训练集和测试集；步骤S20、对所述训练集和测试集中的锂电池充电数据进行预处理；步骤S30、基于Transformer创建一老化预测模型；步骤S40、设定所述老化预测模型的损失函数，基于所述训练集、测试集以及损失函数对老化预测模型进行训练和测试；步骤S50、利用测试通过的所述老化预测模型对锂电池进行老化预测。本发明的优点在于：极大的提升了锂电池老化预测的精度、速度以及泛化性。
一种基于任务学习锂电池老化预测方法系统

[发明专利]一种基于Transformer的锂电池健康状态估计方法及系统-CN202211639344.8在审
发明人：刘作斌;何学智;余训兴 -专利权人：福建星云电子股份有限公司
申请日： 2022-12-20 - 公布日： 2023-06-23 - 主分类号： G01R31/392 文献下载
摘要：本发明提供了锂电池检测技术领域的一种基于Transformer的锂电池健康状态估计方法及系统，方法包括如下步骤：步骤S10、获取大量的锂电池的充电数据；步骤S20、设定一时长阈值，基于所述时长阈值对充电数据进行分割，进而得到充电数据集；步骤S30、基于Transformer创建一健康状态估计模型，利用所述充电数据集对健康状态估计模型进行训练；步骤S40、创建一目标优化函数，基于所述目标优化函数对健康状态估计模型的预测值进行约束；步骤S50、利用所述健康状态估计模型对锂电池进行健康状态估计。本发明的优点在于：极大的提升了锂电池健康状态估计的精度以及泛化能力。
一种基于 transformer 锂电池健康状态估计方法系统

[发明专利]一种基于电池容量增量曲线的健康状态检测方法及系统-CN202211639358.X在审
发明人： 何学智;刘作斌;刘震 -专利权人：福建星云电子股份有限公司
申请日： 2022-12-20 - 公布日： 2023-06-23 - 主分类号： G01R31/392 文献下载
摘要：本发明提供了电池检测技术领域的一种基于电池容量增量曲线的健康状态检测方法及系统，方法包括如下步骤：步骤S10、获取锂电池大量的充电数据，基于各所述充电数据构建充电数据集；步骤S20、基于所述充电数据集计算容量增量曲线；步骤S30、对所述容量增量曲线进行预处理和滤波；步骤S40、利用时序特征提取工具对滤波后的所述容量增量曲线进行特征提取；步骤S50、对提取的特征进行重要性排序和筛选，得到特征数据集；步骤S60、创建一健康状态检测模型，利用所述特征数据集对健康状态检测模型进行训练，利用训练后的所述健康状态检测模型进行锂电池的在线健康状态检测。本发明的优点在于：极大的提升了锂电池健康状态检测的精度以及泛化性。
一种基于电池容量增量曲线健康状态检测方法系统

[发明专利]一种支持任意充电区间的电池健康状态估计方法及系统-CN202211639547.7在审
发明人： 何学智;李有财;汤慈全 -专利权人：福建星云电子股份有限公司
申请日： 2022-12-20 - 公布日： 2023-06-13 - 主分类号： G01R31/367 文献下载
摘要：本发明提供了电池检测技术领域的一种支持任意充电区间的电池健康状态估计方法及系统，方法包括：步骤S10、获取锂电池大量的充电数据；步骤S20、对各充电数据进行预处理；步骤S30、获取各充电数据对应的SOH真实值，基于预处理后的各充电数据以及SOH真实值构建在线充电数据集；步骤S40、利用时序特征提取工具tsfresh对在线充电数据集进行特征提取，得到64维的时序特征；步骤S50、对各时序特征进行重要性排序和筛选，得到12维的时序特征；步骤S60、创建一健康状态估计模型，利用12维的时序特征对健康状态估计模型进行训练，利用训练后的健康状态估计模型进行锂电池的在线健康状态估计。本发明的优点在于：极大的扩展了锂电池在线健康状态估计的适用范围。
一种支持任意充电区间电池健康状态估计方法系统

[发明专利]一种基于时频特征的电池健康状态估计方法及系统-CN202211639399.9在审
发明人： 何学智;刘作斌;汤慈全 -专利权人：福建星云电子股份有限公司
申请日： 2022-12-20 - 公布日： 2023-06-13 - 主分类号： G01R31/392 文献下载
摘要：本发明提供了电池检测技术领域的一种基于时频特征的电池健康状态估计方法及系统，方法包括如下步骤：步骤S10、获取大量的电池的充放电数据；步骤S20、对各所述充放电数据进行时频特征的提取，进而将各所述充放电数据转换为时频谱图；步骤S30、创建一电池健康状态估计模型，利用各所述时频谱图对电池健康状态估计模型进行训练；步骤S40、利用训练后的所述电池健康状态估计模型进行电池健康状态估计。本发明的优点在于：极大的提升了电池健康状态估计的精度以及泛化能力。
一种基于特征电池健康状态估计方法系统

[发明专利]一种锂电池充放电时长预测方法及系统-CN202211639371.5在审
发明人： 何学智;汤慈全;张聪 -专利权人：福建星云电子股份有限公司
申请日： 2022-12-20 - 公布日： 2023-06-09 - 主分类号： G01R31/367 文献下载
摘要：本发明提供了锂电池检测技术领域的一种锂电池充放电时长预测方法及系统，方法包括如下步骤：步骤S10、获取大量的不同循环次数下锂电池的充放电数据；步骤S20、对各所述充放电数据进行预处理；步骤S30、对预处理后的各所述充放电数据中的异常数据进行处理，并构建电池数据集；步骤S40、基于深度学习创建一时长预测模型，利用所述电池数据集对时长预测模型进行训练；步骤S50、利用训练后的所述时长预测模型对锂电池在不同循环次数下的充电时长和放电时长进行预测。本发明的优点在于：极大的提升了锂电池在不同循环次数下的充放电时长预测的效率。
一种锂电池放电预测方法系统

[发明专利]一种基于时序特征的电池健康状态估计方法及系统-CN202211639396.5在审
发明人： 何学智;刘作斌;刘震 -专利权人：福建星云电子股份有限公司
申请日： 2022-12-20 - 公布日： 2023-06-06 - 主分类号： G01R31/367 文献下载
摘要：本发明提供了电池检测技术领域的一种基于时序特征的电池健康状态估计方法及系统，方法包括如下步骤：步骤S10、获取电池大量的充电数据以及对应的SOH真实值；步骤S20、对各所述充电数据进行预处理；步骤S30、利用时序特征提取工具对预处理后的各所述充电数据进行特征提取，得到时序特征；步骤S40、对各所述时序特征进行重要性排序和筛选，得到特征数据集；步骤S50、创建一健康状态估计模型，利用所述特征数据集以及SOH真实值对健康状态估计模型进行训练，利用训练后的所述健康状态估计模型进行电池的健康状态估计。本发明的优点在于：极大的提升了电池健康状态估计的精度。
一种基于时序特征电池健康状态估计方法系统

[发明专利]一种基于领域对抗网络的电池容量估计方法及系统-CN202211639361.1在审
发明人： 何学智;刘作斌;汤慈全 -专利权人：福建星云电子股份有限公司
申请日： 2022-12-20 - 公布日： 2023-06-06 - 主分类号： G01R31/385 文献下载
摘要：本发明提供了电池检测技术领域的一种基于领域对抗网络的电池容量估计方法及系统，方法包括如下步骤：步骤S10、获取电池的源域数据和目标域数据；步骤S20、对所述源域数据和目标域数据进行混合拼接并shuff l e得到混合数据；步骤S30、对所述混合数据进行标注和分割，得到电池数据集；步骤S40、构建一特征提取器，利用所述特征提取器对电池数据集提取表征特征；步骤S50、构建一包括回归预测器以及域分类器的领域对抗网络；利用所述回归预测器以及表征特征进行电池容量估计，得到电池容量的预测值；利用所述域分类器对各表征特征进行域分类。本发明的优点在于：极大的提升了电池容量估计的精度以及泛化能力。
一种基于领域对抗网络电池容量估计方法系统

1
2
3
4
5
下一页»
尾页
共 64 条