【技術實現步驟摘要】
本申請涉及深度學習，尤其涉及一種基于遞歸圖和改進alexnet模型的鋰電池故障識別方法、系統及存儲介質。
技術介紹
1、鋰離子電池作為當今最重要的儲能裝置之一，廣泛應用于從消費類電子產品到電動汽車再到大規模儲能系統等多個領域。這類電池具備高能量密度、長循環壽命和高充放電效率等優點。然而，隨著其使用場景的多樣化和復雜性提升，鋰離子電池在長時間使用后容易出現各種故障，如容量衰減、內部短路、過充、過放電、熱失控等。這些故障不僅會嚴重影響鋰電池的壽命和性能，還可能引發安全事故，特別是在電動汽車和儲能系統中，鋰電池故障造成的后果尤為嚴重。因此，如何精準、實時、有效地識別鋰電池故障，已經成為電池研究與應用中的重要課題。
2、目前，傳統的鋰電池故障的識別通常依賴于人為設定的閾值或簡單的物理模型，難以適應復雜工況下的故障特征，存在故障識別精度較低的缺陷；并且傳統的鋰電池故障的識別基于已發生的故障癥狀，缺乏對早期和隱性故障的預警能力，特別是在電池內部問題尚未表現為外部參數異常時，無法進行早期檢測，存在檢測滯后性的缺陷。
3、上述內容僅用于輔助理解本申請的技術方案，并不代表承認上述內容是現有技術。
技術實現思路
1、本申請的主要目的在于提供一種基于遞歸圖和改進alexnet模型的鋰電池故障識別方法，旨在解決如何對鋰電池中可能存在的故障進行預測的問題。
2、為實現上述目的，本申請提供的一種基于遞歸圖和改進alexnet模型的鋰電池故障識別方法，所述方法包括：
<...【技術保護點】
1.一種基于遞歸圖和改進AlexNet模型的鋰電池故障識別方法，其特征在于，所述方法包括以下步驟：
2.如權利要求1所述的方法，其特征在于，所述將所述原始故障波形數據轉換為遞歸圖的步驟包括：
3.如權利要求1所述的方法，其特征在于，所述改進AlexNet模型中的卷積層凍結，并對改進AlexNet模型中的全連接層中的超參數進行微調。
4.如權利要求1所述的方法，其特征在于，所述分類層中的進行電池的故障類型預測其計算公式如下：
5.如權利要求1所述的方法，其特征在于，所述獲取所述分類層輸出的電池故障類型預測結果的步驟之后，還包括：
6.如權利要求1所述的方法，其特征在于，所述預處理包括去噪和歸一化處理。
7.如權利要求6所述的方法，其特征在于，所述歸一化處理的公式為：
8.一種鋰電池故障識別系統，其特征在于，所述鋰電池故障識別系統包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的基于遞歸圖和改進AlexNet模型的鋰電池故障識別程序，所述基于遞歸圖和改進AlexNet模型的鋰電池故障識別
9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有基于遞歸圖和改進AlexNet模型的鋰電池故障識別程序，所述基于遞歸圖和改進AlexNet模型的鋰電池故障識別程序被處理器執行時實現如權利要求1至7中任一項所述的基于遞歸圖和改進AlexNet模型的鋰電池故障識別方法的步驟。
...【技術特征摘要】
1.一種基于遞歸圖和改進alexnet模型的鋰電池故障識別方法，其特征在于，所述方法包括以下步驟：
2.如權利要求1所述的方法，其特征在于，所述將所述原始故障波形數據轉換為遞歸圖的步驟包括：
3.如權利要求1所述的方法，其特征在于，所述改進alexnet模型中的卷積層凍結，并對改進alexnet模型中的全連接層中的超參數進行微調。
4.如權利要求1所述的方法，其特征在于，所述分類層中的進行電池的故障類型預測其計算公式如下：
5.如權利要求1所述的方法，其特征在于，所述獲取所述分類層輸出的電池故障類型預測結果的步驟之后，還包括：
6.如權利要求1所述的方法，其特征在于，所述預處理包括去噪和歸一化處理。
7.如權利要求6所述的方法，其...
【專利技術屬性】
技術研發人員：董明榮，蔡子昊，崔超偉，蔡云麒，沈韜，譚綱覺，劉金環，
申請(專利權)人：昆明理工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。