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！

龙图腾网获悉南京林业大学申请的专利基于HHO优化融合注意力机制和TCN-GRU的锂离子电池SOH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：CN119881716B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202510078944.9，技术领域涉及：G01R31/392；该发明授权基于HHO优化融合注意力机制和TCN-GRU的锂离子电池SOH估计方法是由张涌;葛潇凡;赵奉奎;万茂松;吕立亚;李冰林;张昆;仲文艳;李习龙设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本基于HHO优化融合注意力机制和TCN-GRU的锂离子电池SOH估计方法在说明书摘要公布了：本发明公开了一种基于HHO优化融合注意力机制和TCN‑GRU的锂离子电池SOH估计方法，具体包括：采集锂电池在每次充放电循环下的电压数据、电流数据、电池表面温度和当前容量，根据当前容量计算获得SOH值；对获取的数据进行处理，得到多种电池衰退特征序列，利用皮尔逊相关系数计算不同衰退特征与SOH值的关联系数，将关联系数符合预期阈值的衰退特征序列选出，获得新的衰退特征序列；将新的衰退特征序列和SOH值序列组合成新的数据集，并按合适比例划分为训练集和测试集；利用数据集训练并优化网络，得到训练完成的锂电池SOH估计模型。本发明能够解决现有基于数据驱动法难以高效、准确预测电池状况状态的技术难题，具有广阔的应用前景。

本发明授权基于HHO优化融合注意力机制和TCN-GRU的锂离子电池SOH估计方法在权利要求书中公布了：1.一种基于HHO优化融合注意力机制和TCN-GRU的锂离子电池SOH估计方法，其特征在于，包含以下步骤： 步骤1：采集锂电池在每次充放电循环下的电压数据、电流数据、电池表面温度和当前容量，根据当前容量计算获得SOH值； 步骤2：对每次充放电循环下的数据进行处理，得到多种电池衰退特征序列；利用皮尔逊相关系数计算不同衰退特征与SOH值的关联系数，将关联系数符合预期阈值的衰退特征序列选出，获得新的衰退特征序列； 步骤3：将步骤2中获得的新的衰退特征序列和步骤1中SOH值序列组合成新的数据集，并按一定比例划分为训练集和测试集； 步骤4：将训练集中的衰退特征序列和对应的SOH值序列输入至融合注意力机制和TCN-GRU模型中，得到初步训练完成的模型一； 步骤5：将测试集中的衰退特征序列输入至步骤4初步训练完成的模型一中，得到与测试集中的衰退特征序列长度相等的预测SOH值序列； 步骤6：根据步骤5获得的预测SOH值序列和步骤3测试集中的SOH值序列，计算平均绝对标度误差MASE作为损失函数； 步骤7：设置融合注意力机制和TCN-GRU模型的神经元个数范围、注意力机制的键值范围、正则化参数范围和学习率范围，设置HHO算法的内部参数，设置初始种群规模和最大进化代数，使用均匀随机初始化技术生成初始种群； 步骤8：将步骤7得到的初始种群中的神经元个数、注意力机制的键值、正则化参数和学习率作为HHO算法的搜索起点，将步骤6得到的损失函数作为HHO算法的目标函数进行迭代优化，得到最小损失值对应的神经元、注意力机制的键值、正则化参数及学习率作为最优解，并将该最优解对应的融合注意力机制和TCN-GRU模型作为训练完成的模型二；模型2作为训练完成的锂离子电池SOH估计模型； 步骤9：使用训练完成的锂离子电池SOH估计模型对待测测锂电池的SOH进行预测。

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南京林业大学，其通讯地址为：210037 江苏省南京市玄武区龙蟠路159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”。

以上内容由龙图腾AI智能生成。