返回搜索
档案
基于卷积注意力与残差时序卷积网络的锂电池回收危险气体浓度预测方法
发明专利未知
11浏览
7权利要求 · 3 独立
§ Ⅰ
卷宗概要
IPC 分类
G06F 18/20 (2023.01)G06F 18/25 (2023.01)G06F 18/27 (2023.01)G06N 3/045 (2023.01)G06N 3/0464 (2023.01)G06N 3/084 (2023.01)G06Q 10/04 (2023.01)G06Q 10/30 (2023.01)G08B 31/00 (2006.01)G08B 29/18 (2006.01)G01R 31/367 (2019.01)G01R 31/392 (2019.01)G01R 31/36 (2020.01)G01N 33/00 (2006.01)G06N 3/048 (2023.01)
本发明公开了一种基于卷积注意力与残差时序卷积网络的锂电池回收危险气体浓度预测方法，包括：1、采集并预处理锂电池回收过程中的多通道危险气体传感器响应数据，构建浓度预测数据集；2、建立危险气体浓度预测网络，利用卷积注意力特征提取层增强关键时间位置和重要通道信息，通过时间注意力残差时序卷积块、轻量级自注意力编码块及门控融合单元提取局部时序特征和全局关联特征，经时序特征提取层和回归输出层获得浓度预测结果；3、构建预测浓度与真实浓度之间的加权均方误差损失函数，通过训练迭代得到最优预测模型。本发明能够提高不同危险气体浓度预测的准确性和稳定性，满足锂电池回收现场气体监测和安全预警需求。