中國基建報訊（區(qū)明玥 報道）澳門理工大學應用科學學院計算機應用技術(shù)博士學位課程博士生王奇隆在教授謝丹嬋、副教授鄧樹杰以及意大利博洛尼亞大學教授Giovanni Pau指導下，共同于國際學術(shù)期刊《IEEE Transactions on Transportation Electrification》(IEEE交通電氣化匯刊)發(fā)表論文“Decentralized Deep Learning Approach for Lithium-Ion Batteries State of Health Forecasting Using Federated Learning” (基于聯(lián)邦學習之分散式深度學習鋰離子電池健康度預測），為可持續(xù)交通發(fā)展及推動電動車和電池的潛力帶來智能解決方案，為智慧交通提供科研支持。
《IEEE交通電氣化匯刊》專注于與電動車相關的元件、電網(wǎng)接口技術(shù)、標準、動力、能源轉(zhuǎn)換和驅(qū)動等相關重點研究，最新的影響因子為7。期刊同時收錄于SCIE和Scopus等國際知名數(shù)據(jù)庫，于SCIE“工程：電子與電氣”和“運輸科技”領域內(nèi)分別位列前10.23%和13.04%。
準確預測電池健康狀態(tài)對電動車的可靠性和行駛安全至關重要。常見的基于深度學習的電池健康預測方法通常依賴集中式數(shù)據(jù)來訓練和改進預測模型。然而，集中式方法存在數(shù)據(jù)隱私和可擴展性等方面的挑戰(zhàn)。本研究提出了一種基于聯(lián)邦學習的分散式模型訓練方法，能夠在保障駕駛者隱私、有效利用車載計算資源、并快速整合新數(shù)據(jù)的情況下，準確預測電池的衰退。針對電動車應用場景，本研究還提出了一種應用于聯(lián)邦學習訓練的客戶端選取策略，這一策略能夠在分散式訓練中提高模型的準確性，并達到與集中式訓練相近的效果。
本研究是該領域首批關注分散式相關問題的探索之一。通過準確且可靠的電動車電池健康預測，可以有效促進電動車產(chǎn)業(yè)的進一步發(fā)展，有助于提升電動車的使用壽命和性能，同時也提高了整體駕駛安全及體驗。此外，這種分散式方法有助于在更大范圍內(nèi)保障用戶數(shù)據(jù)隱私，并減少集中式數(shù)據(jù)存儲的風險。
版權(quán)聲明：本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務，不擁有所有權(quán)，不承擔相關法律責任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容， 請發(fā)送郵件至 舉報，一經(jīng)查實，本站將立刻刪除。