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！

龙图腾网获悉西北工业大学申请的专利基于退化分类改进CNN算法的锂电池早期循环寿命预测方法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：CN118734156B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202410717921.3，技术领域涉及：G06F18/241；该发明授权基于退化分类改进CNN算法的锂电池早期循环寿命预测方法是由侯静;苏泰安;高田;羊彦;吴松涛设计研发完成，并于2024-06-04向国家知识产权局提交的专利申请。

本基于退化分类改进CNN算法的锂电池早期循环寿命预测方法在说明书摘要公布了：本发明涉及一种基于退化分类改进CNN算法的锂电池早期循环寿命预测方法，采用聚类算法对电池进行分类，针对不同衰退模式的电池设计对应的改进CNN网络，结合手动和自提取两类特征进行预测，最终提高循环寿命预测精度，因而具有精度高，简单易用的优点。本方法分别使用领域适应和SE模块设计CNN网络，可以利用退化分类结果优化回归预测结果，提高网络的泛化和通用性，进而提高循环寿命预测精度。与现有的CNN预测模型相比，通过设计合适的CNN模型参数，采用无监督聚类初步地将电池分成短寿命电池和长寿命电池，然后分别引入领域适应和SE模块，提高了短寿命电池和长寿命电池的寿命预测精度。

本发明授权基于退化分类改进CNN算法的锂电池早期循环寿命预测方法在权利要求书中公布了：1.一种基于退化分类改进CNN算法的锂电池早期循环寿命预测方法，其特征在于步骤如下： 步骤1：将早期退化过程的放电数据划分训练集和测试集，对训练集和测试集的异常数据进行剔除和修正，从清洗后的数据中提取统计特征，并对清洗后的数据做归一化处理； 步骤2：采用K‑means聚类算法对步骤1得到的电池数据进行分类，将电池分为长寿命电池和短寿命电池； 步骤3：将训练集的所有电池和测试集中的短寿命电池的放电数据，以及步骤1的统计特征数据，输入Domain Alignment CNN即AL‑CNN网络，对AL‑CNN网络训练，得到短寿命电池的循环寿命预测AL‑CNN网络； 将训练集的所有电池的放电数据，以及步骤1的统计特征数据，输入Squeeze‑and‑Excitation CNN即SE‑CNN网络，对SE‑CNN网络训练，得到长寿命电池的循环寿命预测SE‑CNN网络； 所述AL‑CNN网络包括二维卷积模块Conv2d构成的CNN网络和全连接网络，其中：每个二维卷积模块Conv2d后连接一个最大池化层， CNN网络后端连接两个全连接网络，用于回归，最终的预测输出为1×1的循环寿命； 所述AL‑CNN网络的训练采用CORAL损失函数进行特征对齐，Cs和CT分别为训练集为源域，测试集为目标域； 所述SE‑CNN网络包括二维卷积模块Conv2d构成的CNN网络、在两个卷积层中插接的一个SE模块以及CNN网络后端连接的全连接网络；所述二维卷积模块Conv2d后连接一个最大池化层，与AL‑CNN网络中的二维卷积模块Conv2d和最大池化层相同；所述SE模块对于第一层最大池化层输出的数据通过压缩，使得每个二维通道被转换成一维标量；然后利用激励操作来学习每个通道的权重，在学习了每个通道的相应权重后，将权重重新赋给各个通道，进行乘积操作输出新的特征图；新的特征图再经过卷积、池化层和两个全连接网络，最终的预测输出为1×1的循环寿命； 步骤4：对电池的测量数据采用步骤1和步骤2处理后，得到长寿命电池放电数据和特征或短寿命电池放电数据和特征数据，分别输入SE‑CNN 网络或AL‑CNN 网络，得到长寿命电池的循环寿命预测值或短寿命电池的循环寿命预测值。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127号；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”。