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！

龙图腾网获悉洛阳理工学院申请的专利基于Bayes-TLCO优化深度神经网络的锂电池荷电状态估计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：CN120468677B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510948346.2，技术领域涉及：G01R31/367；该发明授权基于Bayes-TLCO优化深度神经网络的锂电池荷电状态估计方法是由武超;李飞;杨丹枫;韩鹏程;蒋德珑;景太龙;伊竟广;曹向阳;李亚倩;李婧晗;温书恒;李之楊;罗永恒设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本基于Bayes-TLCO优化深度神经网络的锂电池荷电状态估计方法在说明书摘要公布了：本发明公开一种基于Bayes‑TLCO优化深度神经网络的锂电池荷电状态估计方法，属于电池状态监测技术领域。该方法首先对锂电池充放电数据集进行预处理；然后构建包含卷积神经网络、长短期记忆网络及多头注意力机制的深度神经网络模型，利用贝叶斯优化辅助白蚁生命周期优化算法动态优化模型的超参数，在TLCO算法迭代过程中，当迭代停滞时引入贝叶斯优化，通过高斯过程拟合历史数据构建搜索经验模型，生成高价值采样点，加速模型超参数收敛至全局最优解；最终实现对锂电池荷电状态的估计。本发明突破单一算法局限，在复杂工况下实现锂电池荷电状态高精度估算，并有效提升模型训练效率，适用于电动汽车、储能系统等场景，为电池管理智能化升级提供关键技术支撑。

本发明授权基于Bayes-TLCO优化深度神经网络的锂电池荷电状态估计方法在权利要求书中公布了：1.基于Bayes-TLCO优化深度神经网络的锂电池荷电状态估计方法，其特征在于，包括以下步骤： S1、对锂电池充放电数据集进行预处理； S2、构建包含卷积神经网络、长短期记忆网络以及多头注意力机制的深度神经网络模型，所述深度神经网络模型依次包括卷积层、BN层、池化层、展开层、平滑层、LSTM层、多头注意力机制和全连接层； S3、采用贝叶斯优化辅助白蚁生命周期优化算法对所述深度神经网络模型的超参数进行动态优化，在白蚁生命周期优化算法迭代过程中，当迭代停滞时引入贝叶斯优化，通过高斯过程拟合历史数据构建用于模拟优化目标函数的代理模型，以生成高价值采样点，加速模型超参数收敛至全局最优解； 采用贝叶斯优化辅助白蚁生命周期优化算法的动态优化包括： S31、初始化阶段：初始化基础参数；随机初始化种群，通过神经网络评估模块计算种群个体适应度值；从初始化种群中筛选初始最优解Gbest，作为迭代优化的基准； S32、白蚁更新阶段：按照白蚁生命周期优化算法规则，基于Lévy飞行策略，控制白蚁个体在搜索空间内更新位置，并经神经网络评估模块计算适应度值，获取当前迭代下的候选解集合； S33、贝叶斯优化及繁殖阶段：当迭代停滞时触发贝叶斯优化，通过拉丁超立方采样生成初始点，构建高斯过程代理模型拟合历史数据，基于期望改进函数生成高价值采样点，评估并更新全局最优解；若贝叶斯优化效果不佳且触发超限约束时，执行白蚁繁殖流程，生成新位置并更新全局最优解； S34、重复步骤S32、S33，直至满足迭代终止条件，输出经动态优化后的最优超参数组合； 白蚁更新阶段具体包括：针对种群个体，按占比分为工人白蚁和士兵白蚁，分别执行工人白蚁更新和士兵白蚁更新； 所述工人白蚁更新基于Lévy飞行策略计算更新位置，经神经网络评估模块得到适应度值；判断适应度是否更优，若更优则保留新位置，否则标记尝试次数并执行超限约束判断；当迭代进度大于总迭代次数的13且触发约束条件时，进入贝叶斯优化流程；未满足时，若触发超限约束则执行白蚁繁殖流程； 所述士兵白蚁更新基于最优解和Lévy飞行策略计算新位置，经神经网络评估模块得到适应度值；判断适应度是否更优，若更优则保留新位置，否则执行超限约束判断；当迭代进度大于总迭代次数的12且触发约束条件时，进入贝叶斯优化流程；未满足时，若触发超限约束则执行白蚁繁殖流程； S4、将S1预处理后的数据输入经超参数优化后的深度神经网络模型进行训练，通过最小化损失函数，使模型学习到锂电池荷电状态与输入数据之间的映射关系，实现对锂电池荷电状态的估计。

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洛阳理工学院，其通讯地址为：471023 河南省洛阳市洛龙区王城大道90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”。