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！

龙图腾网获悉山东大学申请的专利基于差分进化算法的电池机理模型参数辨识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：CN120046488B 。

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：202510119212.X，技术领域涉及：G06F30/27；该发明授权基于差分进化算法的电池机理模型参数辨识方法及系统是由刘凯龙;胡学永;朱翀;李建军;王瑜;杨正伟;孔得朋;于越;彭琦奥;刘新华;冯少华设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本基于差分进化算法的电池机理模型参数辨识方法及系统在说明书摘要公布了：本发明公开了基于差分进化算法的电池机理模型参数辨识方法及系统，其中方法，包括：构建代理模型训练数据集；对神经网络代理模型进行训练，得到训练后的代理模型；筛选个体得到初始种群；将训练后的代理模型作为差分进化算法的目标函数；将初始种群输入到差分进化算法中，得到最优种群；将最优种群的每一组数据，均输入实验系统与仿真系统里评估，得到最优种群中每一组数据对应的真实电压误差；判断真实电压误差是否小于设定阈值，如果是，则直接输出真实电压误差最小值所对应的待辨识参数；如果否，则将评估后最优种群中的设定比例部分设定为动态数据集，将动态数据集补充到代理模型训练数据集中，返回对神经网络代理模型进行训练步骤。

本发明授权基于差分进化算法的电池机理模型参数辨识方法及系统在权利要求书中公布了：1.基于差分进化算法的电池机理模型参数辨识方法，其特征是，包括： 基于每组待辨识参数抽样样本和其对应的实验系统与仿真系统真实误差，构建代理模型训练数据集； 采用代理模型训练数据集，对神经网络代理模型进行训练，得到训练后的代理模型，包括： 计算每组待辨识参数抽样样本中每个待辨识参数与误差之间的相关系数，判断相关系数的绝对值是否大于设定阈值，如果是，则表示当前待辨识参数是高相关参数，否则，表示当前待辨识参数是低相关参数； 如果是高相关参数，则将当前待辨识参数作为线性基函数模型的输入值，将对应的误差作为线性基函数模型的输出值，得到训练后的线性基函数模型； 如果是低相关参数，则将当前待辨识参数作为全连接神经网络的输入值，将对应的误差作为全连接神经网络的输出值，得到训练后的全连接神经网络； 基于训练后的线性基函数模型和训练后的全连接神经网络，得到训练后的代理模型； 基于代理模型训练数据集，筛选个体得到初始种群；将训练后的代理模型作为差分进化算法的目标函数；将初始种群输入到差分进化算法中，得到最优种群；将最优种群的每一组数据，均输入实验系统与仿真系统里评估，得到最优种群中每一组数据对应的真实电压误差； 判断最优种群中每一组数据对应的真实电压误差是否小于设定阈值，如果是，则直接输出真实电压误差最小值所对应的待辨识参数；如果否，则将评估后最优种群中的设定比例部分设定为动态数据集，将动态数据集补充到代理模型训练数据集中，返回对神经网络代理模型进行训练步骤； 最优种群，包括：若干组数据，每一组数据，均包括：M种优化后的待辨识参数； 将训练后的代理模型的目标函数采用训练后的代理模型来实现，以待辨识参数为优化参数，以误差e最小化为目标； 如果否，则将评估后最优种群中的设定比例部分设定为动态数据集，将动态数据集补充到代理模型训练数据集中； 将差分进化算法输出最优的种群进行实验系统评估和数值仿真评估，为了提高寻优速度，数值仿真过程采用并行运算或者GPU异构运算； 计算输出最优种群的真实电压误差，将最优种群个体按照真实电压误差由小到大排列，按照排序靠前的设定比例个体当作动态数据集，将动态数据集补充进训练数据集中。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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”。

以上内容由龙图腾AI智能生成。