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！

龙图腾网获悉长安大学申请的专利大数据框架下基于重要样本筛选的动力电池异常检测方法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：CN119691356B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411736187.1，技术领域涉及：G06F18/10；该发明授权大数据框架下基于重要样本筛选的动力电池异常检测方法是由马宇骋;张昭;龚贤武;马建;陈金平;相里康设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本大数据框架下基于重要样本筛选的动力电池异常检测方法在说明书摘要公布了：本发明公开了一种大数据框架下基于重要样本筛选的动力电池异常检测方法：步骤1，对车辆运行历史数据进行预处理；步骤2，根据预处理后的车辆运行数据得到训练集和测试集；确定神经网络模型结构并将训练集输入神经网络模型中进行预训练；步骤3，计算训练集中每个样本的重要性分数；步骤4，根据重要性分数确定样本筛选比例组成重要样本；步骤5，将重要样本输入到神经网络模型训练；步骤6，将车辆实时数据输入预测模型中；计算测试数据和模型输出的残差，若大于设定的异常阈值，则认定当前时刻车辆存在异常，否则为正常。本发明减小了冗余样本对模型效能的影响，为深度学习算法在大规模车辆安全监测下的部署提供了支撑。

本发明授权大数据框架下基于重要样本筛选的动力电池异常检测方法在权利要求书中公布了：1.一种大数据框架下基于重要样本筛选的动力电池异常检测方法，其特征在于，具体包括如下步骤： 步骤1，对车辆运行历史数据进行预处理，得到预处理后的车辆运行数据，并从预处理后的数据中选出模型输入项数据；所述车辆运行历史数据包括里程、车速、SOC、电池探针温度和电池单体电压；所述预处理包括数据清洗、特征重要性分析； 步骤2，将步骤1得到的模型输入项数据划分训练集和测试集；确定神经网络模型结构并将训练集输入神经网络模型中进行预训练，判定预训练迭代次数并提取当前迭代次数下的网络参数； 步骤3，将步骤2得到的训练集依次输入至网络参数为的神经网络模型中，计算每个样本的重要性分数，包括如下子步骤； 步骤31，重要性分数由每个输入样本的梯度变化分数、全局稳定性误差分数和局部敏感性误差分数组成； 所述梯度变化分数如下式： 其中，为输入样本在当前迭代次数的网络参数的神经网络模型预测的输出，为损失函数对网络参数的梯度； 全局稳定性误差分数和局部敏感性误差分数如下式： 步骤32，采用Z-score方法分别对GCS、GSS和LSS进行标准化处理，标准化后的GCS、GSS和LSS之和作为样本重要性分数； 步骤4，根据步骤3得到的每个样本的重要性分数对训练集样本进行排序，确定恰当的样本筛选比例组成重要样本，包括如下子步骤； 步骤41，确定样本筛选比例，样本筛选比例即重要样本占训练集样本的比重； 步骤42，对训练集样本按照步骤3得到的样本重要性分数从大到小进行排序，根据步骤41确定的样本筛选比例k，从排序中选取重要性评分最大的前k%个样本，作为重要样本； 步骤5，将步骤4得到的重要样本输入到步骤2得到的神经网络模型中进行训练，得到训练好的神经网络模型，即预测模型； 步骤6，将车辆实时数据作为测试数据输入预测模型中，得到模型输出；计算测试数据和模型输出的残差，若大于设定的异常阈值，则认定当前时刻车辆存在异常，否则为正常。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区二环南路中段126号；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”。

以上内容由龙图腾AI智能生成。