机构名称：
¥ 1.0
锂离子电池的分布式温度分析提供了有价值的见解，有助于热管理并最大限度地降低电池故障风险。欧洲电池协会强调热监控对于电池安全至关重要，其进步对于持续安全地采用电池技术至关重要。深度学习技术最近已成为许多热映射应用中异常检测 (AD) 的有力工具。这些数据驱动的方法可以应对常见的挑战，例如数据不可用或环境变化。我们的研究设计了一种方法来利用深度学习和来自市售软包电池和红外摄像机的热数据。我们解释了 FAUAD（特征自适应无监督异常检测）的构建模块，它对输入数据的正态性进行建模并在其特征空间中合成异常。对生成的模型与一些最新的先进方法进行了基准测试，并实现了高异常检测能力；模拟数据的 ROC 曲线下面积 (AUROC) 得分为 0.971，受污染的真实数据得分为 0.990，真实干净数据得分为 1.0。同时保持 15 MB 的紧凑大小。FAUAD 在电池热监测的无监督异常检测方面取得了显着进步。所提出的方法与电池化学无关，并且适用于超出本文范围的使用场景。
支持 AI 的商业热监控（PHEV ... - ORBilu
主要关键词
相关文件推荐
