本发明属于电池，具体涉及一种电芯异常检测方法。
背景技术：
1、电芯在出货之前，一定要进行k值测试，并将k值异常（等价于自放电）的电芯挑出来。电池电芯的k值是评价电池健康状态和性能的重要指标之一，对电芯的质量及安全性有直接影响。现有的电芯k值异常检测主要以托盘为单位进行，这需要对每个托盘的多个电芯的k值进行集中分析判定。但是，实际应用中，每个托盘中的电芯数量存在明显不同，从数个到数十个不等，k值的统计分布也呈现出较高复杂度。传统的检测方法，很难适应这种不同电芯数量且分布复杂的情况，容易引发误报或漏报。因此，亟需一种新的k值异常检测方法，能够处理不同电芯数量的托盘，并适应其复杂的k值统计分布情况，以提高检测的准确性和稳健性。
技术实现思路
1、为解决上述技术问题，本发明提供了一种电芯异常检测方法。
2、本发明通过如下技术方案实现：
3、一种电芯异常检测方法，包括以下步骤：
4、获取指定批次的电芯数据，并进行预处理，构成训练样本；
5、构建受限玻尔兹曼模型；
6、通过所述训练样本，优化所述受限玻尔兹曼模型的参数；
7、构建所述受限玻尔兹曼模型的受限控制计量并求解；
8、当电芯样本的自由能量值超出所述受限控制统计量范围，则判定所述电芯样本为异常。
9、在一些实施例中，所述电芯数据包括：电芯的时间、批次号、k值、直流电阻、交流电阻、壳压和内阻数据。
10、在一些实施例中，所述预处理包括，根据所述电芯的时间和所述批次号构建电芯数据列表；
11、所述电芯数据列表包括，k值、直流电阻、交流电阻、壳压和内阻值；
12、将所述电芯数据列表进行去除噪声处理；
13、将去噪后的所述电芯数据列表归一化。
14、在一些实施例中，构建所述受限玻尔兹曼模型包括，基于给定状态构建高斯伯努利能量函数；
15、基于所述高斯伯努利能量函数得到所述状态的联合概率分布。
16、在一些实施例中，优化所述受限玻尔兹曼模型的参数，将似然函数对数化得到对数似然函数；
17、通过梯度上升法最大化所述对数似然函数；
18、基于所述训练样本，使用对比散度算法执行k步吉布斯采样，得到优化后的受限玻尔兹曼模型的参数。
19、在一些实施例中，基于所述电芯样本，设置自由能量函数作为受限控制统计量。
20、在一些实施例中，求解所述受限控制统计量，通过分析所述电芯样本的自由能量函数，得所述受限控制统计量的均值和标准差。
21、在一些实施例中，通过自由能量函数获得所述自由能量值。
22、在一些实施例中，所述受限控制统计量范围包括上控制限和下控制限。
23、在一些实施例中，通过所述受限控制统计量的均值和标准差获得所述上控制限和下控制限。
24、与现有技术相比，本发明具有如下优点：
25、1、提高了异常数据的检测能力，通过构建高斯玻尔兹曼模型，可以适应数据的多模态分布，并通过自由能量值判断样本数据是否异常；
26、2、节约成本，由于可以事先检测出故障电芯，避免对其进行后续无效加工，从而节省材料和能源成本。同时，整个产量的合格率也因异常电芯的检测剔除而大幅提升；
27、3、提高电池安全性，异常电芯如果不能检测出来，在电池组装和使用中可能导致安全事故。本发明可以有效检出异常电芯，确保电池的使用安全性；
28、4、为电芯的生产优化提供依据，检测结果可以指导工艺流程和设备的参数调整优化，以减少异常电芯的产生。
29、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本使用信息而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
1.一种电芯异常检测方法，其特征在于，包括：
2.根据权利要求1所述的一种电芯异常检测方法，其特征在于，
3.根据权利要求2所述的一种电芯异常检测方法，其特征在于，
4.根据权利要求1所述的一种电芯异常检测方法，其特征在于，
5.根据权利要求1所述的一种电芯异常检测方法，其特征在于，
6.根据权利要求1所述的一种电芯异常检测方法，其特征在于，
7.根据权利要求1或权利要求6所述的一种电芯异常检测方法，其特征在于，
8.根据权利要求6所述的一种电芯异常检测方法，其特征在于，
9.根据权利要求6所述的一种电芯异常检测方法，其特征在于，
10.根据权利要求9所述的一种电芯异常检测方法，其特征在于，
