买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市立泰能源科技有限公司;东莞市立泰科技有限公司申请的专利一种基于深度学习的船用锂电BMS控制方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120109332B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510592992.X，技术领域涉及：H01M10/42；该发明授权一种基于深度学习的船用锂电BMS控制方法及系统是由刘婷;朱三福;陈锋设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本一种基于深度学习的船用锂电BMS控制方法及系统在说明书摘要公布了：本发明涉及锂电池管理系统技术领域，公开了一种基于深度学习的船用锂电BMS控制方法及系统，其中，一种基于深度学习的船用锂电BMS控制方法包括：构建环境层、系统层和故障层的三层因果结构；利用多环境数据和梯度惩罚的不变风险最小化算法学习稳定因果结构；基于互信息理论评估因果边强度，提取稳定因果骨架；通过反事实数据生成技术构建跨环境增强数据集；构建元学习框架实现模型对新环境的快速适应；本发明解决了船用锂电池在全球不同海域环境下故障诊断的泛化难题，提高了故障根因识别准确率，降低误诊率，实现对新环境的快速适应。

本发明授权一种基于深度学习的船用锂电BMS控制方法及系统在权利要求书中公布了：1.一种基于深度学习的船用锂电BMS控制方法，其特征在于，包括以下步骤： 构建包含环境层、系统层和故障层的三层因果结构，形成层次化因果图，环境层变量包括海域类型、海况状态、气候条件、航行任务和船舶负载状态；系统层变量包括电池组电压、单体电压、充放电电流、表面温度、内部温度、荷电状态和健康状态；故障层变量包括过充、过放、内短路、外短路、热失控、绝缘失效和平衡电路故障； 基于层次化因果图，利用多环境数据和梯度惩罚的不变风险最小化算法，学习稳定的因果结构，不变风险最小化目标函数为： ； 其中，表示对所有环境的损失函数求和，并寻找使这个总损失最小化的模型参数；表示模型在环境下的损失函数；表示损失函数关于系统层参数的梯度；为梯度惩罚权重系数，用于平衡经验风险和不变性约束；表示模型的全部参数；表示所有环境的集合；表示对所有环境的求和；表示范数的平方，用于度量梯度的大小； 对学习得到的稳定因果结构，基于互信息理论，评估因果边的强度，提取稳定的因果骨架，计算因果边的强度为： ； 其中，表示从变量到变量的因果边强度；表示变量和之间的互信息，用于量化两个变量之间的相互依赖程度；表示在变量的所有父节点中取最大值；表示变量的所有父节点集合；表示变量的父节点集合中排除变量后的集合；表示在给定变量条件下和之间的条件互信息； 基于提取的稳定因果骨架，通过反事实数据生成技术，构建跨环境的增强数据集，反事实数据生成器生成反事实样本，其中为原始数据，为环境变量，为干预指标，指定干预的变量和目标值，表示反事实数据生成器函数，表示生成的反事实样本； 利用构建的跨环境增强数据集，构建元学习框架，实现模型对新环境的快速适应，内循环适应通过梯度下降更新参数： ； 其中，表示新的环境；表示新环境下的支持集数据；表示模型的初始参数；表示经过内循环适应后的更新参数，已针对新环境进行了调整；表示内循环学习率，控制参数更新的步长大小，影响模型适应的速度和稳定性；表示关于参数的梯度算子，用于计算损失函数对参数的偏导数；表示元学习损失函数； 外循环优化通过元优化更新初始参数： ； 其中，表示新环境下的查询集数据；表示元学习模型的初始参数；表示经过内循环适应后的模型参数；表示外循环学习率，控制外循环优化的步长大小；表示关于参数的梯度算子，用于计算损失函数对参数的梯度；表示元学习损失函数，用于评估模型在查询集上的性能；表示参数更新操作，将右侧计算结果赋值给左侧变量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市立泰能源科技有限公司;东莞市立泰科技有限公司，其通讯地址为：518100 广东省深圳市宝安区西乡街道劳动社区西乡大道和宝源路交汇处中央大道D座14A；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。