本发明公开了一种基于机器学习的电池生产安全预测方法，包括有如下步骤：步骤S1，获取大量
锂电池化成与分容工步配置数据、关键参数保护策略和工步运行数据，用于训练模型；步骤S2，利用数据预处理模块对所获取的数据进行预处理，预处理步骤包括但不限于数据读取、异常数据检测、特征提取、特征标准化和特征筛选；步骤S3，调参建模模块采用梯度提升树模型框架Light‑GBM进行模型训练与参数调整，进而得到最优的电池生产安全预测模型；步骤S4，预测模块对经过数据预处理后的待预测数据进行预测输出。本发明不仅具备智能化性能，而且能根据工艺配置和生产大数据进行学习，能动态进行电池生产安全预测，较好地满足了应用需求。
声明：
“基于机器学习的电池生产安全预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1151
编辑：管理员
来源：北方有色网
咨询细节
