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！

龙图腾网获悉重庆理工大学申请的专利基于混合深度神经网络的储能电池端到端容量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：CN115236522B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202210859282.5，技术领域涉及：G01R31/367；该发明授权基于混合深度神经网络的储能电池端到端容量估计方法是由汤爱华;蒋依汗;张志刚;黄渝坤;伍心雨设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本基于混合深度神经网络的储能电池端到端容量估计方法在说明书摘要公布了：本发明具体涉及基于混合深度神经网络的储能电池端到端容量估计方法，包括：获取储能电池的电池充电电压数据；将储能电池的电池充电电压数据输入训练后的电池容量估计模型中，输出对应的电池容量估计值；电池容量估计模型包括：卷积神经网络层，用于提取输入数据的电池老化特征并生成对应的初始特征图；注意力机制层，用于依次提取初始特征图的通道注意力权重和空间注意力权重并生成对应的加权特征图；循环神经网络层，用于将注意力机制层生成的加权特征图作为输入进行训练，并输出对应的电池容量估计值。本发明能够自动提取电池老化特征，以实现端到端的储能电池容量估计，并缓解深度神经网络容易陷入局部最优和梯度消失弥散的问题。

本发明授权基于混合深度神经网络的储能电池端到端容量估计方法在权利要求书中公布了：1.基于混合深度神经网络的储能电池端到端容量估计方法，其特征在于，包括： S1：获取储能电池的电池充电电压数据； S2：将储能电池的电池充电电压数据输入训练后的电池容量估计模型中，输出对应的电池容量估计值； 电池容量估计模型包括： 卷积神经网络层，用于提取输入数据的电池老化特征并生成对应的初始特征图； 注意力机制层，用于依次提取初始特征图的通道注意力权重和空间注意力权重并生成对应的加权特征图； 注意力机制层包括分别用于提取通道注意力权重和空间注意力权重的通道注意力模块和空间注意力模块； 通过如下步骤生成加权特征图： S201：通过通道注意力模块提取初始特征图的通道注意力权重； S202：将初始特征图与通道注意力权重相乘，得到通道注意力特征图； S203：通过空间注意力模块提取通道注意力特征图的空间注意力权重； S204：将初始特征图与空间注意力权重相乘，得到加权特征图； 注意力机制层能够为卷积神经网络层各卷积层的输出通道加以权重并为初始特征图赋予权值，通过获取初始特征图每个通道的重要程度去给每个特征赋予权重值，让后续的深度神经网络重点关注某些特征通道，再利用特征间内部的空间关系生成加权特征图，使得能够对强相关特征进行特征上的强调，能够缓解深度神经网络容易陷入局部最优的问题； 循环神经网络层，用于将注意力机制层生成的加权特征图作为输入进行训练，并输出对应的电池容量估计值； S3：将储能电池的电池容量估计值作为其电池容量估计结果。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区李家沱红光大道69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。