找到 1 条结果
用于锂离子电池故障诊断的零样本神经架构搜索微型实时紧凑型深度神经网络
Miniature Real-Time Compact Deep Neural Network With Zero-Shot Neural Architecture Search for Lithium-Ion Battery Fault Diagnosis
Zeyang Chen · Dezhi Xu · Chao Shen · Yujian Ye 等5人 · IEEE Transactions on Industrial Informatics · 2025年4月
电池储能系统（BESS）对于现代能源管理至关重要，有助于可再生能源整合和电网稳定。然而，BESS的故障诊断需要大量的手动网络调优。为克服这一问题，我们提出了一种用于BESS故障诊断的零样本神经架构搜索方法。首先，将神经网络分解为分段线性函数，并计算此类函数的拉德马赫复杂度。为防止批量归一化（BN）层反复缩放拉德马赫复杂度而使网络比较失效，利用BN层的方差来近似拉德马赫复杂度。最后，通过8位量化对选定的模型进行压缩，以便在移动设备上部署。该方法仅需0.51个GPU小时即可达到99.42%的准确率，...
解读: 从阳光电源储能系统业务视角来看，这项基于零样本神经架构搜索的锂电池故障诊断技术具有重要的工程应用价值。该技术通过Rademacher复杂度理论自动优化神经网络结构，在0.51 GPU小时内即可达到99.42%的诊断准确率，这为我们大规模储能电站的智能运维提供了高效解决方案。 该技术的核心优势在于三...