中国基建报讯（区明玥 报道）澳门理工大学应用科学学院计算机应用技术博士学位课程博士生王奇隆在教授谢丹婵、副教授邓树杰以及意大利博洛尼亚大学教授Giovanni Pau指导下，共同于国际学术期刊《IEEE Transactions on Transportation Electrification》(IEEE交通电气化汇刊)发表论文“Decentralized Deep Learning Approach for Lithium-Ion Batteries State of Health Forecasting Using Federated Learning” (基于联邦学习之分散式深度学习锂离子电池健康度预测），为可持续交通发展及推动电动车和电池的潜力带来智能解决方案，为智慧交通提供科研支持。
《IEEE交通电气化汇刊》专注于与电动车相关的元件、电网接口技术、标准、动力、能源转换和驱动等相关重点研究，最新的影响因子为7。期刊同时收录于SCIE和Scopus等国际知名数据库，于SCIE“工程：电子与电气”和“运输科技”领域内分别位列前10.23%和13.04%。
准确预测电池健康状态对电动车的可靠性和行驶安全至关重要。常见的基于深度学习的电池健康预测方法通常依赖集中式数据来训练和改进预测模型。然而，集中式方法存在数据隐私和可扩展性等方面的挑战。本研究提出了一种基于联邦学习的分散式模型训练方法，能够在保障驾驶者隐私、有效利用车载计算资源、并快速整合新数据的情况下，准确预测电池的衰退。针对电动车应用场景，本研究还提出了一种应用于联邦学习训练的客户端选取策略，这一策略能够在分散式训练中提高模型的准确性，并达到与集中式训练相近的效果。
本研究是该领域首批关注分散式相关问题的探索之一。通过准确且可靠的电动车电池健康预测，可以有效促进电动车产业的进一步发展，有助于提升电动车的使用寿命和性能，同时也提高了整体驾驶安全及体验。此外，这种分散式方法有助于在更大范围内保障用户数据隐私，并减少集中式数据存储的风险。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。