技术详细介绍
摘要：本发明涉及一种基于深度学习的动力电池配组方法。现有配组方法劳动强度大，易受检测人员主观因素的影响，容易造成误测量和误匹配的现象。本发明方法首先获取动力电池充放电回路中所有电池的充放电电压数据，并对充放电数据进行归一化，然后构建两层稀疏自编码神经网络模型，训练获得两层模型编码器的最优权值矩阵和偏置向量，以电池的充放电序列为输入，两层编码器级联构建深度神经网络，计算所有电池充放电序列通过该深度神经网络后的输出向量，最终对所有输出向量进行聚类，完成电池配组。本发明方法可以自动提取动力电池的充放电一致性特征，提高组内电池的一致性，从而提高成组电池的品质。