[发明专利]异常数据特征提取方法、装置、设备及存储介质

权利要求书

1.一种异常数据特征提取方法，其特征在于，所述方法包括：

获取车辆电池数据；

根据所述车辆电池数据时序性与高维度性的特点构建神经网络模型；

根据所述神经网络模型提取所述车辆电池数据的特征向量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述车辆电池数据时序性与高维度性的特点构建神经网络模型，包括：

根据所述车辆电池数据时序性特点选择长短期记忆算法，根据所述车辆电池数据高纬度性特点选择自编码算法，将两种算法融合构建适合所述车辆电池数据特点的神经网络模型；

其中，所述融合后的神经网络模型为：第一层是输入层；第二层是算法编码器层，采用长短期记忆算法构建自编码算法中的编码器；第三层是隐变量层，作为特征向量层；第四层是嵌入层，采用所述自编码算法将所述第一层的数据与所述第三层的特征向量叠加在一起；第五层算法解码器层采用所述长短期记忆算法构建所述自编码算法中的解码器，第六层是输出层。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述特征向量，通过聚类方式，在所述车辆电池数据中获得异常数据。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

采用专家鉴定方法判断所述异常数据与异常数据所处的工况是否对应，若是，将所述异常数据与所述异常数据所处的工况进行关联。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采用交叉验证方法评估所述神经网络模型。

6.一种异常数据特征提取装置，其特征在于，所述装置包括：

获取单元、建模单元与提取单元；

所述获取单元，用于获取车辆电池数据；

所述建模单元，用于根据所述车辆电池数据时序性与高维度性的特点构建神经网络模型；

所述提取单元，用于根据所述神经网络模型提取所述车辆电池数据的特征向量。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

工况关联单元，用于采用专家鉴定方法判断所述异常数据与异常数据所处的工况是否对应，若是，将所述异常数据与所述异常数据所处的工况进行关联。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

交叉验证单元，用于采用交叉验证方法评估所述神经网络模型。

9.一种异常数据特征提取设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的异常数据特征提取方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-5任一项所述的异常数据特征提取方法。