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！

龙图腾网恭喜泉州装备制造研究所申请的专利一种基于特征筛选技术的锂电池健康状态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：CN119471400B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202510057941.7，技术领域涉及：G01R31/367；该发明授权一种基于特征筛选技术的锂电池健康状态预测方法是由俞辉;戴厚德;张宇航;朱利琦;黄呈伟;上官宗浩;夏许可;连阳林设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本一种基于特征筛选技术的锂电池健康状态预测方法在说明书摘要公布了：本发明公开了一种基于特征筛选技术的锂电池健康状态预测方法。其中，基于特征筛选技术的锂电池健康状态预测方法，包括以下步骤：数据集的获取；初始特征的提取与初步处理；特征集的筛选；机器学习模型的初步训练；机器学习模型的评估与优化；锂电池健康状态预测与验证。本发明利用有效的基于费舍尔信息矩阵特征筛选技术通过评估参数估值的不确定性，间接揭示了特征与目标输出之间的复杂关系，不仅能够有效捕捉特征之间的线性与非线性相互作用，还能反映多参数模型中各个特征的联合影响，提供更为全面和准确的特征选择依据；此外，基于费舍尔信息矩阵特征筛选技术适用于线性和非线性模型，尤其在处理具有复杂相互作用的多参数模型时，表现出较强的鲁棒性和精度。

本发明授权一种基于特征筛选技术的锂电池健康状态预测方法在权利要求书中公布了：1.一种基于特征筛选技术的锂电池健康状态预测方法，其特征在于：包括以下步骤：数据集的获取，选择多个不同状态下的锂电池数据以获取数据集；初始特征的提取与初步处理，从数据集中提取一组初始特征，并对初始特征进行初步处理后去除冗余和无关特征，以生成特征集；特征集的筛选，构建有效的基于费舍尔信息矩阵特征筛选技术对特征集进行筛选，并划分为训练集和测试集；机器学习模型的初步训练，将训练集输入至机器学习模型进行锂电池健康状态预测，并通过对机器学习模型参数的调优和交叉验证选择最佳模型和最佳超参数配置，以输出初步预测结果；机器学习模型的评估与优化，采用均方根误差和平均绝对误差对初步预测结果进行评估，并针对评估误差优化训练过程中的超参数和特征组合，以提升机器学习模型的预测性能；锂电池健康状态预测与验证，采用优化后的机器学习模型对测试集进行锂电池健康状态预测，并与采用其他特征筛选方法得到的预测结果进行对比，验证锂电池健康状态预测结果的准确性和泛化能力。

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泉州装备制造研究所，其通讯地址为：362000 福建省泉州市台商投资区洛阳镇上浦村吉贝511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”。