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！

龙图腾网获悉吉林大学申请的专利一种燃料电池装载机能量管理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：CN120645778B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511158425.X，技术领域涉及：B60L58/40；该发明授权一种燃料电池装载机能量管理方法是由刘宏飞;杜忠迎设计研发完成，并于2025-08-19向国家知识产权局提交的专利申请。

本一种燃料电池装载机能量管理方法在说明书摘要公布了：本发明属于混合动力系统能量管理技术领域，涉及一种燃料电池装载机能量管理方法，包括：步骤S10，构建循环工况数据库；步骤S20，构建表征燃料电池装载机循环工况的原始特征矩阵X；步骤S30，利用交叉概率算法对原始特征矩阵进行降维处理，得到降维后的工况特征矩阵；步骤S40，建立燃料电池装载机的工况识别模型；步骤S50，根据工况识别模型的工况识别结果，建立联合网络沟通预测模型；步骤S60，在线应用时，得到预测时域内的未来需求功率序列；步骤S70，实现燃料电池与动力电池输出功率的环境自适应优化分配。本发明的优点是：在确保设备高效运行的同时，显著提升燃料电池装载机在不同环境条件下的能量管理性能和系统可靠性。

本发明授权一种燃料电池装载机能量管理方法在权利要求书中公布了：1.一种燃料电池装载机能量管理方法，其特征在于，包括以下步骤： 步骤S10，通过燃料电池装载机上的车载传感器系统，采集装载机在铲装作业、运输作业、卸载作业、怠速待机的典型作业工况下的需求功率时序数据，构建循环工况数据库； 步骤S20，对循环工况数据库进行特征提取，构建表征燃料电池装载机循环工况的原始特征矩阵X； 步骤S30，利用交叉概率算法对原始特征矩阵X进行降维处理，得到降维后的工况特征矩阵Y； 步骤S301，对原始特征矩阵X进行Z-score标准化，得到标准化特征矩阵Xnorm： 式中，xa,b为原始特征矩阵X第a个工况样本的第b个特征值；μb为原始特征矩阵X第b列特征的均值；sb为原始特征矩阵X第b列特征的标准差；xnorm,a,b为标准化特征矩阵Xnorm中的对应元素； 步骤S302，构建K近邻图，计算高维空间中两工况样本点的条件概率vmn和低维空间中对应的条件概率wmn，之后通过梯度下降法最小化交叉熵损失函数CE： 式中，log﹒为对数函数；m、n为工况样本编号； 迭代优化低维空间中各工况样本的低维坐标直至损失函数CE收敛或达到预设迭代次数，得到经过交叉概率算法降维后的工况特征矩阵Y； 步骤S40，对步骤S30输出的降维特征矩阵Y采用峰度跳跃算法，自适应确定聚类数k及初始聚类中心，建立燃料电池装载机的工况识别模型； 步骤S401，基于峰度跳跃算法，通过计算降维后每个工况样本的决策值Γi来自适应确定聚类中心： Γi＝ρi·δi； 式中，i＝1,2,…,N，N为工况样本总数；ρi为工况样本i的局部密度；δi为工况样本i到所有局部密度大于ρi的工况样本的最小距离； 步骤S402，将各工况样本的决策值Γi降序排列，得到新序列{Γ′1,Γ′2,…,Γ′N}，其中Γ1′≥Γ2′≥…≥ΓN′； 计算排序后相邻决策值的下降梯度： 式中，j为降序后决策值的下标，j＝1,2,…,N-1；gradj为排序后第j个决策值与第j+1个决策值之间的相对下降梯度；Γ′j′、Γ′j+1分别为排序后序列中第j个和第j+1个决策值；Γ1′为排序后的最大决策值； 当某个下降梯度gradj超出设定跳变阈值时，确定聚类数k＝j，即选择决策值最大的前k个工况样本作为初始聚类中心，以此初始化聚类参数，完成工况识别模型构建； 步骤S50，根据工况识别模型的工况识别结果，建立联合网络沟通预测模型，针对识别出的k种工况类型，分别建立对应的窗口逐移神经网络，并采用螺旋搜索算法独立优化每个网络的参数，优化燃料电池装载机在不同工况下的需求功率预测精度； 步骤S60，在线应用时，车载传感器系统实时采集并缓存装载机最近时间窗口内的需求功率数据，形成历史需求功率序列，然后根据历史需求功率序列提取工况特征，利用工况识别模型判断当前工况类型，进而选择步骤S50中对应的窗口逐移神经网络进行需求功率预测，得到预测时域内的未来需求功率序列； 步骤S70，基于当前区域实时获取的环境特征，建立考虑环境因素对燃料电池和动力电池服役衰退影响的多目标优化函数；结合未来需求功率序列，在预测时域内应用最优控制原理求解最优控制序列，实现燃料电池与动力电池输出功率的环境自适应优化分配。

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吉林大学，其通讯地址为：130012 吉林省长春市南关区人民大街5988号吉林大学南岭校区；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。