MATLAB 和 Simulink 研讨会

地点

开始日期

结束日期

MathWorks北京/上海办公室

2023年2月22日, 13:30

2023年2月22日, 16:30

总览

基于物理的建模方法预测锂离子电池的剩余使用寿命（即剩余充放电循环数）非常复杂。即使使用同一制造商的电池，操作条件发生变化，电池的工作性能也会有很大的变异性。对于这种情况，当有足够的数据可用时，基于人工智能的方法是很有成效的电池剩余使用寿命预测方法。通过对电池历史数据的挖掘，可以发现电池充放电过程的规律或模式，进而可以通过电池早期的充放电过程，相对准确的预测电池剩余使用寿命（即剩余充放电循环次数）。利用预测结果，可以快速验证新的制造工艺，允许最终用户在足够的前置时间内识别性能恶化，以更换故障电池。

亮点

在本次的上机实践中，通过利用公开电池数据集，并使用MATLAB的人工智能算法进行电池剩余使用寿命预测模型的开发，主要内容包括：

  1. 电池充放电数据的探查和预处理
  2. 训练机器学习模型进行剩余寿命预测并验证
  3. 构建并训练深度卷积神经网络模型进行剩余寿命的预测并验证

当获得预测模型后，模型部署是模型应用的重要过程。MATLAB支持预测模型的云部署。本次上机实践还将会向大家演示如果利用MATLAB及MATLAB Production Server实现预测模型的云部署及应用。

关于演示者

马文辉博士，MathWorks高级应用工程师，毕业于南开大学。专注于MATLAB的数据处理与数据分析、机器学习和深度学习，以及并行与分布式计算领域。拥有多年大数据分析、机器学习建模与应用系统开发经验。在加入MathWorks前，曾在诺基亚中国研究院，Adobe中国研发中心和IBM从事大数据处理和机器学习方面的研究和工程开发工作。

陈宜欣，MathWorks中国应用工程师，专注于数据分析、机器/深度学习和信号处理。帝国理工学院通信与信号处理专业硕士。加入MathWorks之前曾就职于华为，从事运动、生物信号处理和机器学习算法研发。

刘海伟，MathWorks中国高级应用工程师，主要负责数据统计、机器学习与大数据方向，在MATLAB®数据分析、机器学习领域有多年工作经验。曾就职于斯伦贝谢（北京）BGC和金风科技，做数据分析方向的工作。毕业于北京航空航天大学和法国马赛中央理工学院，获得信息与通信工程硕士和法国工程师学位。

日程

时间 标题

13:00

签到

13:30

电池充放电数据的探查和预处理

14:15

使用机器学习开发剩余寿命预测模型

15:30

使用深度卷积神经网络开发剩余寿命预测模型

16:15

演示：剩余寿命预测模型的云部署及应用

16:30

答疑环节

坐席有限，扫码立即报名


 < SAS被Forrester评为数字化智能平台领域的领导者 即将举办的线上活动 >