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！

龙图腾网获悉长安大学申请的专利基于贪心-松弛超参数优化的动力电池异常识别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：CN119760591B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411736191.8，技术领域涉及：G06F18/2433；该发明授权基于贪心-松弛超参数优化的动力电池异常识别方法是由马宇骋;张昭;马建;赵轩;龚贤武;相里康;陈金平设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本基于贪心-松弛超参数优化的动力电池异常识别方法在说明书摘要公布了：本发明公开了一种基于贪心‑松弛超参数优化的电池异常识别方法：步骤1，对车辆运行数据进行预处理；步骤2，选择相关性强的数据作为模型的输入项；步骤3，确定需要被优化的超参数类别，采用贪心‑松弛超参数优化方法进行超参数的优化，得到综合最优超参数；步骤4，将综合最优超参数应用在神经网络预测模型中得到优化后的神经网络预测模型；将相关性强的数据输入至优化后的神经网络预测模型获得输出值，即预测值；步骤5，计算神经网络预测模型的预测值和真实值的残差，当真实值和预测值的差值大于异常阈值时认为异常，否则正常。本发明寻求模型性能和计算效率之间的平衡，实现快速准确的构建电池异常识别神经网络模型，提升了模型的效率。

本发明授权基于贪心-松弛超参数优化的动力电池异常识别方法在权利要求书中公布了：1.一种基于贪心-松弛超参数优化的电池异常识别方法，其特征在于，具体包括如下步骤： 步骤1，对车辆运行数据进行预处理，得到预处理后的车辆运行数据； 步骤2，对不同特征项与输出特征进行相关性分析，选择相关性强的数据作为模型的输入项； 步骤3，确定需要被优化的超参数类别，采用贪心-松弛超参数优化方法进行超参数的优化，得到综合最优超参数；需要被优化的超参数包括四个类别：学习率lr、批量大小batch_size、神经网络层数和神经元数量；损失函数需要被选定作为评价指标；具体步骤如下： 步骤31，超参数初始化：根据任务需求确定需要优化的多个超参数类别，对每类超参数分别列出可能的超参数值，随机选择一组作为初始超参数； 步骤32，超参数预调：对于初始超参数中每个超参数类别，迭代其所有可能的值，同时保持其他类别的超参数值不变，在此类超参数组合上训练模型并计算每次迭代中得到的损失，得到每个超参数类别在其所有可能取值下得到模型的损失； 步骤33，超参数类别重要性评估：计算同一超参数类别在其所有可能取值下得到模型的损失的极差，用于表征该超参数类别的重要性； 步骤34，搜索局部最优超参数：在步骤31得到的初始超参数的基础上，首先对步骤33得到的重要性最高的超参数类别进行优化； 步骤35，搜索综合最优超参数：根据当前超参数类别的局部最优候选超参数，固定已优化的参数类别下的参数值不变，搜索剩余超参数类别中最重要类别的局部最优超参数；当重要性最低的超参数类别完成优化后，选择损失最小的超参数作为综合最优超参数； 步骤4，将综合最优超参数应用在神经网络预测模型中得到优化后的神经网络预测模型；将根据步骤2得到的相关性强的数据输入至优化后的神经网络预测模型获得输出值，即预测值；模型预测参数认定为电池的正常参数； 步骤5，计算步骤4得到的神经网络预测模型的预测值和真实值的残差，当真实值和预测值的差值大于异常阈值时，即认定为异常，否则为正常。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区二环南路中段126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。