(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211526661.9 (22)申请日 2022.12.01 (71)申请人 湖北工业大 学 地址 430068 湖北省武汉市洪山区南李路 28号 (72)发明人 王娟　叶永钢　武明虎　张则涛　 杜万银　陈明　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 专利代理师 郑勤振 (51)Int.Cl. G01R 31/367(2019.01) G01R 31/396(2019.01) H01M 10/42(2006.01) H01M 10/48(2006.01)B60L 58/18(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 动力电池故障检测方法、 系统、 装置及存储 介质 (57)摘要 本发明公开了一种动力电池故障检测方法、 系统、 装置及存储介质， 包含对电池时序数据构 建签名矩阵、 基于卷积自编码器提取空间特征、 基于卷积 长短期记忆网络捕获数据时序特征、 基 于编码器提取的空间特征和卷积长短期记忆网 络提取的时序特征利用解码器进行签名矩 阵的 重构、 利用初始 签名矩阵与重构矩阵之间残差对 异常进行检测和诊断， 在电动汽 车监控平台对动 力电池组进行监控与分析， 有效助力电池系统的 安全。 权利要求书2页 说明书6页 附图2页 CN 115542172 A 2022.12.30 CN 115542172 A 1.一种动力电池故障检测方法， 其特 征在于， 包括： 获取正常工作下电动汽车的数据集， 数据集包含由动力电池数据和行驶数据组成的N 个特征， 将其记为 ， 其中i为第i个特 征， t为t时刻； 设置时间步， 由数据集得到每个时间步下每个特征i所对应的特征向量， 对同一个时间 步下的两 两特征向量进行内积求和运 算， 得到签名矩阵； 签名矩阵划分数据集分为训练集和验证集； 将签名矩阵的训练集输入到网络中， 通过网络生成重构矩阵； 重构矩阵跟输入的签名矩阵进行相减运 算得出残差矩阵； 根据残差矩阵计算损失函数； 开始训练网络直至网络总损失降为最低， 使用验证集验证， 不同数据集下， 通过经验确 定残差特 征矩阵中大于给定阈值θ 的元 素个数和 θ， 对应元 素的位置表示出现故障的位置； 获取电动汽车的数据集， 将其转换为签名矩阵后输入到训练好的网络中对故障进行在 线预测。 2.根据权利要求1所述的动力电池故障检测方法， 其特征在于， 重构矩阵生成方法包 括： 将签名矩阵输入到网络中， 对每个时刻做多层卷积， 得到空间特征图； 将每次卷积后得 到的空间特征图输入到卷积长 短期记忆神经网络中， 卷积长短期记忆神经网络结合本时段 及本时段之前所有时序空间特征获取到每次卷积 计算后的时空特征图； 将最后一次从卷积 长短期记忆神经网络输出的特征图进 行反卷积计算， 得到与前一次从卷积长短期记忆神经 网络输出 的特征图相同形状的特征图， 再将两张特征图进行融合， 将融合后的特征图再次 进行反卷积 计算， 得到与前两次从卷积长 短期记忆神经网络输出的特征图相同形状的特征 图， 再将两张特征图融合， 以此反 复， 最后得到与输入的签名矩阵尺寸形状完全相同的重构 矩阵。 3.根据权利要求1所述的动力电池故障检测模型训练方法， 其特征在于， 数据集包含里 程、 车速、 总电压、 总电流、 SOC、 电池绝 缘电阻、 各 单体电池电压以及各 单体探测温度。 4.一种动力电池故障检测系统， 其特 征在于， 包括： 数据获取模块， 被配置为获取正常工作下电动汽车的数据集， 数据集包含由动力电池 数据和行驶数据组成的N个特 征， 将其记为 ， 其中i为第i个特 征， t为t时刻； 数据转换模块， 被配置为通过设置的时间步， 由数据集得到每个时间步下每个特征i所 对应的特 征向量， 对同一个时间步下的两 两特征向量进行内积求和运 算， 得到签名矩阵； 数据划分模块， 被 配置为将签名矩阵划分数据集分为训练集和验证集； 重构矩阵生成模块， 被配置为将签名矩阵的训练集输入到网络中， 通过网络生成重构 矩阵； 残差矩阵生产模块， 被配置为将重构矩阵跟输入的签名矩阵进行相减运算得出残差矩 阵； 损失函数计算模块， 被 配置为根据残差矩阵计算损失函数； 网络训练模块， 被配置为训练网络直至网络总损失降为最低， 使用验证集验证， 不同数 据集下， 通过经验确定残差特征矩阵中大于给定阈值θ 的元素个数和θ， 对应元素的位置表权　利　要　求　书 1/2 页 2 CN 115542172 A 2示出现故障的位置； 故障在线预测模块， 被配置为将 获取的新的数据集转换为签名矩阵后输入到训练好的 网络中对故障进行在线预测。 5.根据权利要求4所述的动力电池故障检测系统， 其特征在于， 重构矩阵生成方法包 括： 将签名矩阵输入到网络中， 对每个时刻做多层卷积， 得到空间特征图； 将每次卷积后得 到的空间特征图输入到卷积长 短期记忆神经网络中， 卷积长短期记忆神经网络结合本时段 及本时段之前所有时序空间特征获取到每次卷积 计算后的时空特征图； 将最后一次从卷积 长短期记忆神经网络输出的特征图进 行反卷积计算， 得到与前一次从卷积长短期记忆神经 网络输出 的特征图相同形状的特征图， 再将两张特征图进行融合， 将融合后的特征图再次 进行反卷积 计算， 得到与前两次从卷积长 短期记忆神经网络输出的特征图相同形状的特征 图， 再将两张特征图融合， 以此反 复， 最后得到与输入的签名矩阵尺寸形状完全相同的重构 矩阵。 6.根据权利要求4所述的动力电池故障检测系统， 其特征在于， 数据集包含里程、 车速、 总电压、 总电流、 SOC、 电池绝 缘电阻、 各 单体电池电压以及各 单体探测温度。 7.一种动力电池故障检测装置， 其特 征在于， 包括： 处理器； 存储器， 包括 一个或多个程序模块； 其中， 所述一个或多个程序模块被存储在所述存储器中并被配置为由所述处理器执 行， 所述一个或多个程序模块包括用于实现权利要求1 ‑3任一项所述的动力电池故障检测 方法的指令 。 8.一种存储介质， 用于存储非暂时性指令， 其特征在于， 当所述非暂时性指令由处理器 执行时能够实现权利要求1 ‑3任一项所述的动力电池故障检测方法。权　利　要　求　书 2/2 页 3 CN 115542172 A 3