SynForceNet：リチウムイオン電池の故障診断のための、力駆動型グローバル・ローカル潜在表現フレームワーク

Abstract

電気自動車（EV）に搭載されるリチウムイオン電池において、オンライン安全故障診断は不可欠です。特に、実運用における複雑で稀な安全性重要条件のもとでは重要度が高くなります。本研究では、カーネル一クラス分類と最小体積推定を組み合わせた深層異常検出フレームワークに基づき、オンライン電池故障診断ネットワークを開発します。複雑な故障の特徴付けを改善し、よりコンパクトな正常状態の境界を可能にするために、機械的制約およびスパイク時間依存可塑性（STDP）に基づく動的表現を導入します。提案手法は、20台のEVから収集した860万件の有効データ点を用いて検証します。いくつかの先進的なベースライン手法と比較して、TPRで平均7.59%、PPVで27.92%、F1スコアで18.28%、AUCで23.68%の改善を達成します。さらに、モデリング前後における故障表現の空間的な分離を解析し、潜在空間におけるマニフォールド構造を学習することで、フレームワークの頑健性を一層高めます。結果はまた、異なる故障タイプ間で共有される因果構造の存在の可能性を示しており、電池の安全診断に向けて、深層学習を物理的制約とニューラルダイナミクスと統合することの有望さを強調しています。