买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深蓝汽车科技有限公司申请的专利一种基于对抗式学习融合聚类的车辆电池异常识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115130562B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210659648.4，技术领域涉及：G06F18/23213；该发明授权一种基于对抗式学习融合聚类的车辆电池异常识别方法及系统是由江振文;龚关;蒲江;万红兵设计研发完成，并于2022-06-13向国家知识产权局提交的专利申请。

本一种基于对抗式学习融合聚类的车辆电池异常识别方法及系统在说明书摘要公布了：本发明提供一种基于对抗式学习融合聚类的车辆电池异常识别方法，包括数据处理、模型搭建和异常统计识别三个部分。主要采用对抗式学习融合聚类的方式，将聚类分析和对抗式学习神经网络两种计算方法融合，避免因采用一种方法带来异常识别误判问题，以及由于车辆样本数、不同车辆数据量不同等因素所导致的误报率高问题，实现在线或离线识别异常车辆电池，降低电池的使用安全风险。

本发明授权一种基于对抗式学习融合聚类的车辆电池异常识别方法及系统在权利要求书中公布了：1.一种基于对抗式学习融合聚类的车辆电池异常识别方法，其特征在于，包括数据处理、模型搭建和异常统计识别三个部分：1数据处理：包括选取h辆需要监控的车辆；对每辆车选取温度、电压、电流、SOC和或时间信息，并进行无效值处理；对数据进行归一化或标准化处理，并进行分段滑窗，生成固定大小的训练样本；2模型搭建：包括建立h个GAN模型，编号分别为GAN1、GAN2……GANh，每个模型与h辆车分别对应，并利用每一辆车的样本数据对对应的模型进行训练；同时建立K-Means聚类模型，聚类结果为异常和正常两类；3异常统计识别：包括基于GAN模型计算MAE或MSE值，并根据排序结果,选取99％分位的值作为阈值；将每辆车数据处理后带入GAN模型中计算，根据计算出的差异占比计算每辆车的占比平均值分数fig，方法是：将选定的车辆经数据处理后得到的m’个l×k的数据分别带入到训练好的GAN1模型中，其中，m’是根据异常车辆数据长度按照特定滑窗大小和移动步幅设置后得到的数据，1为滑窗大小，k为维度数据，计算得到m’个MAE或MSE；将计算出的m’个MAE或MSE与GAN1模型对应的阈值th1进行比较，对超过th1的MAE或MSE值记为1，共有a个，未超过th1的记为0，有m’-a个，待所有MAE或MSE值比较计算完成后，计算超过部分的占比：f11＝am’*100％；再将该车辆的样本数据依次带入到其它剩余h-1个GAN模型中，得到h-1个占比值：f12、f13……f1h；对计算出的h个占比值进行平均值计算，并转化为分数：f1g＝f11+f12+……+f1h*100h；最后，将选定范围内的所有车辆按照本方式进行处理，则针对每辆车均可得到一个占比平均值分数fig，其中i表示第i辆车；同时，基于K-Means聚类模型，将选定范围车辆数据进行聚类，根据聚类结果计算分数fik，具体是将经数据处理后的每一辆车的最新时间对应的数据样本带入到模型中进行聚类；将聚类结果中个数低于H2的类记为异常类，在该类中的车辆将分数标注为100，将聚类结果个数高于H2的类记为正常类，H为车辆样本总数，在该类中的车辆将分数标注为0，则针对每辆车均有一个分数：fik，i表示第i辆车；然后，根据两个模型得到的结果进行叠加，得到每辆车最终分数：fi＝p*fig+1-p*fik，其中p为权重系数；最后，设定分数阈值ths，对每辆车的最终分数与ths进行比较，高于ths的定义为车辆高风险。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深蓝汽车科技有限公司，其通讯地址为：401133 重庆市江北区鱼嘴镇永和路39号2屋208室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。