本发明实施例公开的一种基于深度学习的新能源车电池自燃预警方法,包括:根据新能源车的历史运行数据,建立并训练决策树模型,通过交叉验证得到最优模型参数;根据预定时段运行数据,建立并训练LSTM分类器,通过交叉验证得到最优模型参数;获取目标新能源车总电压、最高电池值、最高温度值、最低温度值;计算各特征值相对于训练数据均值的变化,分别作为新的特征值;LSTM分类器基于当前特征值数据之前一段连续的特征值数据输出异常度,异常值连续出现且异常度持续升高达预定数量,则判定电池是否异常。还可以建立并训练CNN模型,用CNN根据异常度变化图判断电池是否异常。能够准确及时预测电池故障,解决电池自燃数据较少导致结果不准确的问题。
声明:
“基于深度学习的新能源车电池自燃预警方法及装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)