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！

龙图腾网获悉江南大学申请的专利一种基于强化学习的动力电池制造能力在线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：CN114418234B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202210098257.X，技术领域涉及：G06Q10/04；该发明授权一种基于强化学习的动力电池制造能力在线预测方法是由王子赟;李南江;王艳;陈宇乾;纪志成设计研发完成，并于2022-01-19向国家知识产权局提交的专利申请。

本一种基于强化学习的动力电池制造能力在线预测方法在说明书摘要公布了：本发明公开了一种基于强化学习的动力电池制造能力在线预测方法，属于动力电池制造预测领域。所述方法通过提出新的组合预测模型形式对于不同预测方法的预测值进行合理切分组合，其次相对于传统的神经网络往往采用经验数据设定隐含层的层数，难以做到对电池制造能力预测模型的最佳适配，本申请利用强化学习构建循环神经网络和长短时记忆网络模型的隐含层学习环境，求解网络模型隐含层的最优层数，降低隐含层的预测偏差；进而构建组合模型的权重学习环境，经过迭代训练后得到最优权重，最终构造动力电池制造能力组合预测模型，进一步提高了针对动力电池制造能力预测的预测精度和可靠性。

本发明授权一种基于强化学习的动力电池制造能力在线预测方法在权利要求书中公布了：1.一种基于强化学习的动力电池制造能力在线预测方法，其特征在于，所述方法包括： 采用m种单一预测模型分别对未来长度为N的时间内的动力电池制造能力进行预测，获得各个单一预测模型的一次预测结果； 根据各个单一预测模型的一次预测结果，基于强化学习对各单一预测模型进行优化； 利用优化后的各单一预测模型分别对未来长度为N的时间内的动力电池制造能力进行再次预测，获得各个单一预测模型的二次预测结果； 根据各个单一预测模型的二次预测结果，采用强化学习对长度为N的时间进行分割，以确定各单一预测模型的最佳权重，从而确定组合预测模型的表达式： 其中，wi是第i种单一预测模型的权重，Ni是第i种单一预测模型的分界点，fij表示第i种单一预测模型的第j个预测向量值，表示对数值a向下取整； wi满足： 根据各单一预测模型的最佳权重确定后的组合预测模型的表达式得到动力电池制造能力预测值； 所述单一预测模型包括循环神经网络模型和长短时记忆网络模型，m＝2；所述方法包括： 步骤一：定义电池制造工艺中单位时间内制造所得到的生产量表示所述动力电池制造能力； 步骤二：定义循环神经网络模型迭代次数k1＝1，长短时记忆网络模型迭代次数k2＝1，权重学习迭代次数k3＝1，以及对应的迭代步长N1、N2、N3，强化学习表示状态行为的循环神经网络模型的Q1表、长短时记忆网络模型的Q2表、权重学习的Q3表全为0；循环神经网络模型的最优隐含层初值l1，0和长短时记忆网络模型的最优隐含层初值l2，0，循环神经网络模型的动作矩阵A1、长短时记忆网络模型的动作矩阵A2和权重学习动作矩阵A3，组合预测模型的权重w1、w2，计算得到循环神经网络模型和长短时记忆网络模型的一次预测结果； 步骤三：利用强化学习构建隐含层学习环境，建立循环神经网络损失函数L1和长短时记忆网络损失函数L2，循环神经网络奖惩函数R1和长短时记忆网络奖惩函数R2，根据当前状态、Q1表和Q2表，利用贪婪算法选择动作行为； 步骤四：根据步骤二的一次预测结果计算损失函数L1和L2，奖惩函数R1和R2，更新Q1表和Q2表； 步骤五：令k1＝k1+1和k2＝k2+1，返回步骤三，直到k1＝N1输出循环神经网络最优隐含层l1；当k2＝N2输出长短时记忆网络最优隐含层l2，输出两个隐含层后跳转到步骤六； 步骤六：带入最优隐含层层数l1和l2，重新计算得到循环神经网络和长短时记忆网络的二次预测结果； 步骤七：构建权重学习环境，设定电池制造能力组合预测模型的状态矩阵S1和动作矩阵A3，并建立权重学习损失函数L3和奖惩函数R3，根据当前状态和Q3表，利用贪婪算法选择动作行为； 步骤八：根据步骤六的二次预测结果计算损失函数L3和奖惩函数R3，更新Q3表； 步骤九：令k3＝k3+1，返回步骤七，直到k3＝N3输出循环神经网络权重w1和长短时记忆网络权重w2，跳转到步骤十； 步骤十：根据步骤九的输出结果，构造基于强化学习的动力电池制造能力组合预测模型，将电池制造能力的历史数据输入所构造的基于强化学习的动力电池制造能力组合预测模型，输出电池制造能力的预测值。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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”。