原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于深度算子学习的锂电池模组温度场重建方法，涉及锂电池技术、温度场重建技术与BMS技术领域，所述方法包括以下步骤：步骤1、预处理坐标数据d；步骤2、将预处理后的坐标数据d输入主干神经网络，得到输出的偏置函数Q；步骤3、将整个温度场重建空间离散化为n个网格，在n个网格中随机选择m个采样点布置温度传感器进行采样，获得采样数据u；步骤4、将采样数据u输入分支神经网络，得到输出的空间相关系数B；步骤5、将B中的每一个Bi和偏置函数Q进行聚合，得到隐向量H；步骤6、通过线性变换层将H投影回
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117195713A
(43)申请公布日2023.12.08
(21)申请号202311153193.XG06N3/048(2023.01)
文档评论（0）