交通规则是城市文明的基石，让我们携手共创安全、和谐、有序的道路环境。路援帮小编下面就给大家介绍中国科学院推出筛选退役电池的新方法的文章，想知道的话就来看看吧，相信一定会帮到你们的。
近年来，得益于锂离子电池的高能量密度和低自放电特性，电动汽车的销量在许多国家都出现显著增长。然而，电动汽车电池的安全高效回收和分类已成为关注的焦点。
据外媒报道，中国科学院（Chinese Academy of Sciences）福建物质结构研究所林名强博士课题组在期刊《Engineering Applications of Artificial Intelligence》发表了研究论文，提出一种基于格拉米角差场（Gramian angular difference fields，GADF）和ConvNeXt的退役电池筛选新方法。
研究人员首先应用分段聚合近似技术（segmented aggregation approximation），以降低退役电池数据集在恒流充电电压曲线上的维数，利用滑动窗口生成与原始长序列数据表现出相似趋势的短序列数据。该过程实现了数据缩减，同时保留了基本特征信息，并减轻了计算负担。
然后，该团队使用格拉米矩阵（GM）将简化的恒流充电曲线转换为二维图像。 采用GADF方法利用格拉米亚矩阵对一维时间序列信息进行编码。该技术对数据应用归一化和极坐标处理，然后进行内积运算来生成GADF图像。该技术有效消除了冗余的多模态信息，降低了数据非线性的影响，并减轻了噪声干扰。
此外，研究人员还对GADF图像进行了分类，以筛选退役电池。ConvNeXt网络使用梯度下降和自适应矩估计权重衰减（AdamW）优化器，以动态更新卷积核的权重、偏差项、比例因子和其他网络参数，从而实现最佳性能。该优化器结合了权重衰减以防止过度拟合。通过反向传播算法，该网络从训练数据中学习了隐藏层的适当权重。这些权重在训练过程中不断更新和优化，以最小化损失函数。
通过比较GADF和传统方法，以及对不同图像分类网络的评估，研究人员发现利用GADF作为ConvNeXt网络的输入可以提高筛选精度。未来的研究方向将主要集中于探索基于分压的退役电池筛选策略，并扩展数据集以验证模型的普遍性。
这项研究为减少对手动选择功能的依赖，并提高数据驱动的退役电池筛选的准确性提供了指导。
中国科学院推出筛选退役电池的新方法的介绍就聊到这里吧，感谢你花时间阅读，更多关于中国科学院推出筛选退役电池的新方法的信息别忘了在本站进行查找哦。路援帮往后会继续推荐中国科学院推出筛选退役电池的新方法相关内容。