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！

龙图腾网获悉华南理工大学申请的专利基于双路特征融合与时空建模的锂电池电容量预测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：CN121410586B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511982298.5，技术领域涉及：G01R31/392；该发明授权基于双路特征融合与时空建模的锂电池电容量预测方法是由张允增;杨楷翔;张功振设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本基于双路特征融合与时空建模的锂电池电容量预测方法在说明书摘要公布了：本发明提供了一种基于双路特征融合与时空建模的锂电池电容量预测方法，属于计算机数据处理的电池状态预测技术领域；采集锂电池健康因子时序数据，基于锂电池运行状态特征提取模型，通过主成分分析和设计的本征模态函数分解，获得锂电池健康因子本征模态函数分量；通过深度残差模块的两个特征提取路径，获得锂电池健康因子图特征和本征模态函数投影特征；经图网络、多层感知机增强两类特征后，通过因果特征增强网络得到电容量因果特征向量；将该向量输入预测模块，输出容量预测值。本发明解决了现有技术在特征提取、融合和时序建模方面的不足，提升了容量预测的精度与鲁棒性。

本发明授权基于双路特征融合与时空建模的锂电池电容量预测方法在权利要求书中公布了：1.一种基于双路特征融合与时空建模的锂电池电容量预测方法，其特征在于，包括以下步骤： S1，采集时间窗口内多种影响电容量的锂电池健康因子时序数据； S2，将采集数据输入锂电池运行状态特征提取模型，模型包括锂电池健康因子特征分解模块和深度残差模块；锂电池健康因子特征分解模块包含主成分分析和本征模态函数分解，获得锂电池健康因子本征模态函数分量；深度残差模块包含两个特征提取路径，第一路径对锂电池健康因子时序数据进行时序编码和空间特征提取，得到锂电池健康因子图特征；第二路径对锂电池健康因子本征模态函数分量进行投影和维度匹配，得到本征模态函数投影特征； 所述锂电池健康因子特征分解模块具体为： 首先将获得的锂电池健康因子时序数据进行主成分分析，获得降维健康因子矩阵； 然后构建基于多目标优化的本征模态函数分解模型对降维健康因子矩阵进行变分模态分解，包括： S21，构建锂电池健康因子本征模态函数分解多目标优化问题；所述锂电池健康因子本征模态函数分解多目标优化问题包括多目标加权目标函数和决策变量；所述多目标加权目标函数由四个目标函数加权求和计算；第一目标函数用于评估本征模态函数分量与原始信号的相关性，由加权相关系数量化；第二目标函数用于评估有效本征模态函数比例，由有效本征模态函数比例量化；第三目标函数用于衡量变分模态分解后信号重构的精度，由重构误差量化；第四目标函数反映本征模态函数分量的平均复杂度，由平均信息熵量化；所述决策变量为变分模态分解中的模态数和惩罚因子； S22，基于参考向量引导与拐点优选策略的高维多目标粒子群优化算法求解锂电池健康因子本征模态函数分解多目标优化问题；在传统粒子群算法中引入一组预定义的参考向量来引导粒子群在四维空间中均匀分布，并结合角度惩罚距离进行环境选择，最终输出最优模态数和最优惩罚因子；利用最优模态数和最优惩罚因子配置变分模态分解方法对锂电池健康因子进行变分模态分解，得到锂电池健康因子本征模态函数分量； S3，基于锂电池电容量因果特征增强模块对S2获得的特征进行增强；将锂电池健康因子图特征输入图结构非线性增强网络获得增强后的锂电池健康因子图特征；将本征模态函数投影特征输入多层感知机获得增强后的本征模态函数投影特征；将增强后的两种特征同时输入因果特征增强网络获得锂电池电容量因果特征向量； S4，将锂电池电容量因果特征向量输入锂电池电容量预测模块，获得锂电池电容量预测值。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。