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！

龙图腾网恭喜湖南大学申请的专利基于经验模态分解及数据融合驱动的锂电池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：CN119416675B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202510025728.8，技术领域涉及：G06F30/27；该发明授权基于经验模态分解及数据融合驱动的锂电池容量预测方法是由帅智康;彭平;彭也伦;肖童星;谢础屹;周柯设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本基于经验模态分解及数据融合驱动的锂电池容量预测方法在说明书摘要公布了：本发明提供的基于经验模态分解及数据融合驱动的锂电池容量预测方法，包括步骤S1，获取某锂电池的历史容量退化数据，形成源数据集；步骤S2，利用经验模态分解对源数据集进行迭代筛选，将其历史容量退化数据分解为残差序列和多个本征模态函数；步骤S3，构建长短期记忆神经网络源预测模型，利用步骤S2得到的残差序列和本征模态函数数据对该构建的源预测模型进行预训练；步骤S4，对预训练完成的源预测模型进行参数微调实现迁移学习，得到最优预测模型；步骤S5，利用步骤S4得到的最优预测模型预测目标锂电池的未来容量。本发明可以有效预测锂电池的未来容量与剩余寿命。

本发明授权基于经验模态分解及数据融合驱动的锂电池容量预测方法在权利要求书中公布了：1.基于经验模态分解及数据融合驱动的锂电池容量预测方法，其特征在于，包括：步骤S1，获取某锂电池的历史容量退化数据，形成源数据集；步骤S2，利用经验模态分解对源数据集进行迭代筛选，将其历史容量退化数据分解为残差序列和多个本征模态函数，其中容量再生和容量波动现象表现出的高频部分用本征模态函数部分表示，容量退化的大局趋势用残差序列表示；步骤S3，构建长短期记忆神经网络源预测模型，利用步骤S2得到的残差序列和本征模态函数数据对该构建的源预测模型进行预训练；所述源预测模型包括依次连接的输入层、隐含层和输出层；其中，输入层神经元数目为原始容量退化数据经经验模态分解后得到的本征模态函数和残差序列的个数之和；隐含层包括依次连接的两层LSTM层以及一层密集连接层，两层LSTM层学习锂电池容量退化数据的共有特性，通过有效的长期依赖性学习来考虑容量退化时间序列数据之间的相关性，密集连接层对源预测模型进行迁移学习使模型进行微调；输出层输出数目为目标任务的输出类别数；预训练完成的源预测模型其预测的未来容量表达式如下： （6）其中，为第个循环预测的未来容量；为密集连接层的权重矩阵，和分别为第一层LSTM层、第二层LSTM层对应的权重矩阵，而分别为密集连接层、第一层LSTM层、第二层LSTM层的偏置向量，为当前时刻LSTM层的隐藏状态；步骤S4，对预训练完成的源预测模型进行参数微调实现迁移学习，得到最优预测模型；先获取目标锂电池的历史容量退化数据，形成目标域数据集，接着按照步骤S2对目标域数据集进行处理，得到输入数据，然后直接复制源预测模型的两层LSTM层，再将源预测模型的密集连接层和输出层通过参数随机初始化添加至复制的LSTM层后，最后利用所述输入数据对复制的LSTM层的参数在源预测模型的基础上微调，对连接于复制的LSTM层后的密集连接层和输出层从头训练，从而得到最优预测模型；步骤S5，利用步骤S4得到的最优预测模型预测目标锂电池的未来容量。

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湖南大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路1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”。