基于动态规整与改进变分自编码器的异常电池在线检测方法

作     者：郭铁峰 贺建军 申帅 王翔 张彬汉 GUO Tiefeng;HE Jianjun;SHEN Shuai;WANG Xiang;ZHANG Binhan

作者机构：中南大学自动化学院长沙410083 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2024年第46卷第2期

页      面：738-747页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081104[工学-模式识别与智能系统] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划(2020YFB1710600)。 

主　　题：锂电池 异常检测 变分自编码器 动态时间规整 长短期记忆网络 贝叶斯优化 

摘      要：针对电池生产成组过程中,传统异常检测方法对混入的容量及压差异常电池检测精度低及生产结束后离线异常检测方法效率低等问题,该文提出一种集合长短期记忆变分自编码器与动态时间规整评价的锂电池异常在线检测方法(VAE-LSTM-DTW),实现了异常电池的在线检测,避免了离线异常检测所造成的时间和能源的浪费。该方法首先将长短期记忆网络(LSTM)引入变分自编码器(VAE)模型,训练电池时序数据重构模型;其次,在电池异常检测的度量标准中引入动态时间规整值(DTW),并基于贝叶斯寻优获得最优检测阈值,对每个单体电池重构数据的动态规整值进行异常辨别。实验结果表明,相较该领域传统异常检测方法,VAE-LSTM-DTW模型性能优越,查准率和F1值都得到了较大的提升,具有较高的有效性和实用性。