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！

龙图腾网恭喜哈尔滨工业大学申请的专利一种基于机器学习分类器和启发式算法的锂电池电化学模型的参数辨识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：CN119557778B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202411775867.4，技术领域涉及：G06F18/243；该发明授权一种基于机器学习分类器和启发式算法的锂电池电化学模型的参数辨识方法是由王振波;王亚璇;李俊夫;郭世龙;崔岳;赵磊;顾大明设计研发完成，并于2024-12-05向国家知识产权局提交的专利申请。

本一种基于机器学习分类器和启发式算法的锂电池电化学模型的参数辨识方法在说明书摘要公布了：一种基于机器学习分类器和启发式算法的锂电池电化学模型的参数辨识方法，它涉及锂电池电化学模型的参数辨识方法，它是要解决现有的锂电池电化学模型参数辨识方法辨识效率低的技术问题，本方法：对电化学模型的参数进行敏感性分析并将其分类，选取高敏感参数作为辨识对象；初始化启发式算法，采集用于分类器训练的参数集数据和对应的收敛性的标签，计算参数集中各个参数与电化学模型收敛性的相关性；构建基于机器学习算法的分类器，先用相关性高的参数集数据训练分类器，然后用相关性较低的参数集数据对分类器进行微调；重新初始化启发式算法，迭代至设定次数或精度满足条件，完成参数的精确辨识。可用于电化学领域。

本发明授权一种基于机器学习分类器和启发式算法的锂电池电化学模型的参数辨识方法在权利要求书中公布了：1.一种基于机器学习分类器和启发式算法的锂电池电化学模型的参数辨识方法，其特征在于，该方法按以下步骤进行：步骤1、对电化学模型中的所有参数进行敏感性分析，并根据参数敏感性的大小将参数分类，选取对模型仿真结果具有显著影响的高敏感参数作为辨识对象；步骤2、设定各个高敏感参数的搜索域，初始化启发式算法，采集用于分类器训练的参数集数据及其对应的收敛性标签，并根据皮尔逊相关系数计算参数集中各个参数与电化学模型收敛性的相关性，将高敏感参数集中的参数划分为高相关性参数集和低相关性参数集；步骤3、构建基于机器学习算法的分类器，首先使用高相关性参数集的数据训练分类器，然后使用低相关性参数集的数据对分类器进行微调，从而提高模型泛化能力和鲁棒性并优化训练效率；步骤4、重新初始化启发式算法，在每次迭代过程中的参数集更新之后都启用训练好的机器学习分类器，将每次迭代的搜索域内可能导致模型不收敛的参数集剔除，并通过引入全局扰动将空出的搜索空间补充完整，最终在迭代到达设定次数终止迭代，完成模型参数的辨识；其中对剔除不收敛参数集之后空出的搜索空间进行补充的具体方法为：通过引入全局扰动，在每次迭代的搜索域内生成能够使得分类器识别结果为收敛参数集的有效搜索点，保证剔除后的空间能够得到有效补充，避免局部最优；若生成的点无效，则重新生成直至满足条件；具体计算公式为：xnew＝xcenter+β·R·xmax-xmin其中，xnew为通过扰动生成的新搜索点，xcenter为当前优质区域的中心点，R为服从正态分布N0,1的随机数，xmax和xmin分别为当前搜索空间的上界和下界，β为全局扰动因子，β的值设定为0.1到1内的固定常数。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。