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！

龙图腾网获悉广西大学申请的专利一种融合双注意力与时序特征的TD-Informer网络PEMFC退化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：CN120413713B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510890919.0，技术领域涉及：H01M8/04664；该发明授权一种融合双注意力与时序特征的TD-Informer网络PEMFC退化预测方法是由黄豪中;蓝浩源;卢华林;覃荣科设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本一种融合双注意力与时序特征的TD-Informer网络PEMFC退化预测方法在说明书摘要公布了：本发明公开了一种融合双注意力与时序特征的TD‑Informer网络PEMFC退化预测方法，属于PEMFC退化预测技术领域。所述方法包括：进行PEMFC性能退化实验获取多维度实际运行数据；利用SHAP值分析方法提取关键特征因子；随后设计并构建融合多头双稀疏自注意力机制与时序特征解码器的TD‑Informer预测模型；最后通过整合双稀疏机制和时序特征解码器的结构性优势，实现PEMFC退化状态的高精度预测。本方法具备较强的工况适应性，提高了PEMFC退化预测的准确性，可有效支撑PEMFC寿命预测与维护决策。

本发明授权一种融合双注意力与时序特征的TD-Informer网络PEMFC退化预测方法在权利要求书中公布了：1.一种融合双注意力与时序特征的TD-Informer网络PEMFC退化预测方法，其特征在于，包括以下步骤： S1：数据采集 S101：在PEMFC测试台架开展性能退化实验，通过数据采集模块实时记录PEMFC的状态参数，构建多维度参数退化数据集； S102：选取输出电压作为退化表征指标，把所记录除电压外的其它状态参数作为影响因素； S2：特征工程与样本构建 S201：对多维度参数退化数据集进行采样处理； S202：采用SHAP值法，量化各影响因素对PEMFC电压退化的贡献度，筛选贡献度排名前5位的影响因素作为主要影响特征； S203：提取采样后多维度参数退化数据集中的时间特征、电压和主要影响特征数据作为退化数据，对退化数据进行平滑预处理，消除瞬时噪声干扰； S204：通过最大-最小归一化方法将退化数据映射至[0,1]的区间，按比例划分训练集、验证集与测试集； S3：TD-Informer预测模型构建 S301：构建多头双稀疏自注意力机制； S302：构建时序特征解码器； S303：集成多头双稀疏自注意力机制和时序特征解码器构建TD-Informer预测模型； S304：使用优化器与损失函数，迭代优化TD-Informer预测模型参数； S305：将退化数据输入到TD-Informer中进行迭代训练，并验证判定模型是否收敛，若满足预期要求，测试通过后得到训练完成的TD-Informer预测模型； S4：退化状态在线预测 S401：实时采集目标PEMFC的时间特征、电压和主要影响特征运行数据，依次按照S201、S202、S203、S204进行标准化处理； S402：将处理后的数据输入训练完成的TD-Informer预测模型，输出未来预设周期的电压退化预测序列； S403：综合评价模型预测精度，生成评估报告，指导维护策略； 在所述S301过程中，所述构建多头双稀疏自注意力机制包括：三个可学习的矩阵WQ、WK和WV用于将待输入数据X映射成特征矩阵Q、K和V： ， ， ， 式中，Q为查询矩阵，K为键矩阵，V为价值矩阵，通过联合优化查询矩阵与键矩阵的稀疏模式，建立多头双稀疏自注意力机制，即对全部查询矩阵Q和键矩阵K通过Kullback-Leibler散度进行筛选，从Q和K中提取出查询子集与键子集，即选择Kullback-Leibler散度最大的u个查询矩阵或键矩阵： ， 式中，c为可调控的超参数，分别用于动态调控查询子集和键子集的个数，L表示输入序列长度；定义查询子集为QP；对未选中的键矩阵则采用全局平均化进行处理，与键子集结合生成KP，然后进行注意力机制计算： ， 式中，XDP表示经过注意力机制计算得到的中间矩阵，d表示Q或K的维度；利用蒸馏机制对XDP进行稀疏度计算并得到多头双稀疏自注意力机制的输出XD： 。

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广西大学，其通讯地址为：530004 广西壮族自治区南宁市西乡塘区大学东路100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”。