一种基于多模态信息的电池数据处理方法和系统
摘要文本
本申请实施例提供的基于多模态信息的电池数据处理模型的训练方法，通过大模型，基于多模态信息的电池数据进行电池状态预测，结合多模态信息的融合以及对比学习完成对大模型的无监督训练。该模型可以获取电池的潜在信息，并生成电池数据的嵌入式表示，为下游任务提供精准有效的数据基础。在面对不同任务时，只需对模型进行微调训练即可，从而极大的简化了模型，降低了模型复杂性。 更多数据：搜索马克数据网来源：www.macrodatas.cn
申请人信息
- 申请人:杭州宇谷科技股份有限公司
- 申请人地址:310000 浙江省杭州市余杭区良渚街道七贤路1号1幢6楼603室
- 发明人: 杭州宇谷科技股份有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于多模态信息的电池数据处理方法和系统 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311379290.0 |
| 申请日 | 2023/10/24 |
| 公告号 | CN117132591B |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06T7/00 |
| 权利人 | 杭州宇谷科技股份有限公司 |
| 发明人 | 李朝; 黄家明; 丁东辉; 胡始昌; 杨建燮; 肖劼 |
| 地址 | 浙江省杭州市余杭区良渚街道七贤路1号1幢6楼603室 |
专利主权项内容
1.一种基于多模态信息的电池数据处理模型的训练方法，其特征在于，所述方法包括：大模型训练流程，包括：获取原始电池数据和对比电池数据，其中，所述对比电池数据基于所述原始电池获取，所述原始电池数据和所述对比电池数据均包括多模态的电池状态信息，其中，所述对比电池数据包括正样本数据和负样本数据， 对目标原始电池数据进行随机扰动，得到与所述目标原始电池数据具备相似性的正样本数据，随机选取与目标原始电池数据不同序列的原始电池数据，得到与所述目标原始电池数据具备差异性的负样本数据；通过特征处理模块，分别对所述原始电池数据和所述对比电池数据进行特征提取，得到第一融合特征和第二融合特征，通过对比学习模块，基于所述第一融合特征和所述第二融合特征获取电池数据自身的潜在信息，以及不同电池特征之间交叉隐变量信息，根据所述潜在信息和所述交叉隐变量信息得到所述原始电池数据的嵌入式表示，其中，基于所述第一融合特征和所述第二融合特征获取电池数据自身的潜在信息，以及不同电池特征之间交叉隐变量信息包括：基于所述第一融合特征，进行自我比对学习，获取电池数据自身的潜在信息；通过将所述第一融合特征与所述第二融合特征进行比较学习，获取特征不同特征之间的相似性和差异性，得到所述交叉隐变量信息；大模型优化流程，包括：基于所述第一融合特征和所述第二融合特征确定损失函数，并基于所述损失函数对所述大模型进行优化训练，得到训练好的电池数据处理模型。