杭州电子科技大学鲍政怡获国家专利权
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！
龙图腾网获悉杭州电子科技大学申请的专利基于多层次序列信息自适应融合的锂电池SOH估计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：CN114839539B 。
龙图腾网通过国家知识产权局官网在2025-12-02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：202210463421.2，技术领域涉及：G01R31/367；该发明授权基于多层次序列信息自适应融合的锂电池SOH估计方法是由鲍政怡;高明裕;何志伟;董哲康;杨宇翔;林辉品设计研发完成，并于2022-04-28向国家知识产权局提交的专利申请。
本基于多层次序列信息自适应融合的锂电池SOH估计方法在说明书摘要公布了：本发明提出一种基于多层次序列信息自适应融合的锂电池SOH估计方法。本发明搭建了一种全新的基于深度学习的序列化模型，该模型由两个级联的多层次融合模块和一个双向LSTM层搭建而成。基于所提模型能够自适应提取并融合多层次的序列化信息的优点，该模型能够在一定程度上解决了由电池数据量过少且提取不充分的问题，从而实现了较为精确的锂电池SOH的在线估计。除此之外，所提模型还具有长期记忆的优点，这进一步提高了在线估计精度。实验采用NASA锂离子数据集中的电池退化数据对所提网络模型进行仿真验证，结果表明该模型在完成锂电池SOH在线估计任务的同时，又能保证较高的鲁棒性与精确度。
本发明授权基于多层次序列信息自适应融合的锂电池SOH估计方法在权利要求书中公布了：1.基于多层次序列信息自适应融合的锂电池SOH估计方法，其特征在于，该方法具体包括以下步骤： 步骤1、对收集的电池数据进行归一化处理； 步骤2、构建全新的基于多层次融合模块和双向LSTM层的网络模型，依次包括级联的两个结构相同的多层次融合模块、一个双向LSTM层、一个Flatten层和两个全连接层；所述多层次融合模块包括一个深层卷积层和一个浅层卷积层，各包含具有不同深度的网络层；其中，深层卷积层包括三个一维卷积模块，每个卷积模块由卷积层、激活层、最大池化层搭建而成；浅层卷积层仅包含一个卷积层； 步骤3、设置学习率、训练批量大小、训练周期，经过步骤1归一化后的训练集中的数据样本输入至步骤2的网络模型中，训练结束时保存此时网络权重参数；将经过步骤1归一化后的测试集数据样本输入到所述网络模型中对锂电池SOH在线估计效果进行验证。
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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励