CN119471389A 一种基于双向Mamba架构的动力电池故障检测方法 （杭州电子科技大学）

一种基于双向Mamba架构的动力电池故障检本发明公开了一种基于双向Mamba架构的动处理生成数据集。其次由双向Mamba特征提取网络和加权重构网络串行连接构建双向Mamba网络的时序数据作为双向Mamba网络的输入进行训精准提取动力电池时序数据中的关键信息，高2S2、构建双向Mamba网络模型，由一个双向Mamba特2.根据权利要求1所述的基于双向Mamba架构的动力电池故障检测方法，其特征在于，致的片段得到xeR",其中W和C分别表示数据样本的滑动窗口大小和特征维数；所述生成数据集具体过程为：将预处理后的数据整理为数据3.根据权利要求2所述的基于双向Mamba架构的动力电池故障检测方法，其特征在于，4.根据权利要求3所述的基于双向Mamba架构的动力电池故障检测方法，其特征在于，S3_1、对输入时序样本x在时间维度进行时序数据Patch分割操作后得到x,eR"",pS3_2、对样本X进行Patch特征嵌入操作，得到双向Mamba特征提取网络的输入样本pS3_3、通过双向Mamba特征提取网络对输入样本z,eR""分别在时间维度与特征维5.根据权利要求4所述的基于双向Mamba架构的动力电池故障检测方法，其特征在于，z,eR""输入至时间维度Mamba模块中进行时间3维度变换操作得到z,eR""",然后输入至特征维度Mamba模块中进行特征维度表6.根据权利要求5所述的基于双向Mamba架构的动力电池故障检测方法，其特征在于，其次，通过采用零阶保持法对连续状态空间模型进行离散输入信号与输出信号的映射过程的具体实现其中，Δ代表步长，即用于采样连续信号生成离散信号的时间间隔，决定采样点的选7.根据权利要求6所述的基于双向Mamba架构的动力电池故障检测方法，其特征在于，4S4_2、进行加权融合后，通过全连接层将双向表示xdual转换为Patch分块的时序样本然后通过降维和维度变换操作得到最终的加权重构数据表达式如下：其中，MLP(·)代表全连接层，W代表可学习的权重矩阵，b代表可学习的偏置通过计算验证集数据的重构误差确定故障阈值；通过比较重构误差5[0001]本发明涉及动力电池管理技术领域，具体涉及一种基于双向Mamba架构的动力电[0003]本发明旨在克服现有技术的不足，提出了一种基于双向Mamba架构的动力电池故[0009]S4、利用正常工况下动力电池的电压、电流、温度和内阻的时序数据作为双向6时间维度划分为长度一致的片段得到xeRC,其中W和C分别表示数据样本的滑动窗口大[0014]S3_1、对输入时序样本x在时间维度进行时序数据Patch分割操作后得到pp双向Mamba特征提取网络的输入样本z,eR"":[0018]S3_3、通过双向Mamba特征提取网络对输入样本分别在时间维度与特z,eR""输入至时间维度Mamba模块中进行进行维度变换操作得到zze"",然后输入至特征维度Mamba模块中进行特征维度表示7度流动性，同时应用层归一化操作，以提高输出的稳定性和收敛速度，得到时间表示xne"",然后通过降维和维度变换操作得到最终的加权重构数据表达式8[0044]通过计算验证集数据的重构误差确定故障阈值；通过比过清洗的动力电池原始数据样本其中，L和C分别代表样本的长度和特征数xu,e"进行归一化处理，使各特征值在相同尺度范围内，提高模型训9到xeR"。[0058]步骤(2)基于双向Mamba特征提取网络进行动力电池特征提取，如图2所示，双向Mamba特征提取网络按并行顺序由时间维度Mamba模块和特征维度Mamba模块构成，分别建[0059]首先，对输入时序样本X在时间维度进行时序数据Patch分割操作后得到X,eR"",其中，N和P分别表示Patch数量和长度。将时序数据划分为Patch块能够有效pp[0061]然后，通过双向Mamba特征提取网络对输入样本z,eR""分别在时间维度与特p[0062]对于时间维度，将输入样本输入至时间维度Mamba模块中进行时间维行维度变换操作得到z,eR"",然后输入至特征维度Mamba模块中进行特征维度上的表示建模，得到特性维度表示eR"""。对动力电池时序数据进行时间维度与特征维度的p[0067]特征z1,通过状态空间模型生成特征i,并与特征z,2按元素相乘得到特征zt：过动态选择相关状态来优化时序数据建模的框架，提高了对复杂系统动态变化的捕捉能够根据输入时序数据的上下文语义动态调整，从而实现状态空间模型的选择性扫描机制。[0087]其中，代表可学习的权重值。通过加权融合时间和特征维度的双向表[0088]进行加权融合后，通过全连接层将双向表示xdual转换为Patch块样本x,e"",然后通过降维和维度变换操作得到最终的加权重RecEmor-x-ix,ieR""[0097]步骤(5)本发明在公开的PSM(PooledServerMetrics)数据集上进行了多元时序69.4681.2774.902403.1298.5295.7497.112.1