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！

龙图腾网获悉电子科技大学申请的专利一种基于Transformer编码层的可解释的电池寿命预测方法（BLP-Transformer）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：CN117009749B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202311028314.8，技术领域涉及：G06F18/10；该发明授权一种基于Transformer编码层的可解释的电池寿命预测方法（BLP-Transformer）是由武畅;刘思言;张颖;黄宇航;王宏;杜小琦设计研发完成，并于2023-08-15向国家知识产权局提交的专利申请。

本一种基于Transformer编码层的可解释的电池寿命预测方法（BLP-Transformer）在说明书摘要公布了：本发明提出了一种基于Transformer编码层的可解释的电池寿命预测方法BLP‑Transformer，包括以下步骤：S1：基于电池相关数据，对数据进行预处理；S2：将数据输入到具有可解释性的电池寿命预测算法BLP‑transformer结构中，对输入数据集进行特征提取，生成特征选择掩码；S3：模型基于特征选择掩码，结合数据的位置编码信息进行学习与编码，得到已编码序列；S4：对已编码序列进行线性变换与解码，得到电池寿命的预测结果；S5：结合预测结果，对多步特征选择掩码进行聚合，量化特征重要性，得到模型的可解释性。本发明提供了一种具有可解释性的电池寿命预测方法，通过该方法可以得到电池寿命的预测结果与对结果的可解释性，有助于提高模型的准确性。

本发明授权一种基于Transformer编码层的可解释的电池寿命预测方法（BLP-Transformer）在权利要求书中公布了：1.一种基于Transformer编码层的可解释的电池寿命预测方法BLP-Transformer，其特征在于，包括以下步骤： S1：基于电池相关数据，对数据进行预处理； S2：将数据输入到具有可解释性的电池寿命预测算法BLP-transformer结构中，对输入数据集进行特征提取，生成特征选择掩码； S3：模型基于特征选择掩码，结合数据的位置编码信息进行学习与编码，得到已编码序列，其特征在于，所述步骤S3包括以下子步骤： S31、针对S2生成的特征数据序列，利用不同频率的正弦和余弦函数计算其相对位置信息； S32、将特征数据序列与其相对位置信息结合，得到待学习序列； S33、将待学习序列输入到多层前馈神经网络中，完成对数据集的学习，并生成经模型学习后的数据序列； S34、将步骤S33生成的数据序列进行归一化处理，并与S32生成的待学习序列结合，形成数据的编码序列； S4：对已编码序列进行线性变换与解码，得到电池寿命的预测结果； S5：结合预测结果，对多步特征选择掩码进行聚合，量化特征重要性，得到模型的可解释性，其特征在于，所述步骤S5包括以下子步骤： S51、将每个决策步中的特征选择掩码与S4步骤输出的预测数据聚合至模型中的聚合模块；聚合模块首先对特征选择掩码进行分析，以确定一个决策步中的所有特征对全局的整体贡献；其计算公式为： ηi＝LeakyReLUdout[i] 其中dout[i]表示第i步决策的输出特征，ηi表示在第i个决策步中的所有特征对全局的整体贡献； ηi值越大，则说明该步决策对模型的贡献越大； S52、基于一个决策步中所有特征对全局的整体贡献，聚合模块对该步的某个特征进一步分析，以明确某一特征在全局模型中的累计贡献；对应计算公式如下： 其中Maski[j]表示样本在第i个决策步中，第j个特征量对决策的贡献度；Maskagg表示每个特征在全局模型中的累计贡献； S53、对每个特征在全局模型中的累计贡献值Maskagg归一化处理，得到全局特征值的重要性指标feature_importance，即得到模型的可解释性；其计算公式为： featureimportance＝NormMaskagg。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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”。