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！

龙图腾网获悉桂林电子科技大学申请的专利融合模糊系统和深度学习的锂离子电池健康管理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：CN119961868B 。

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：202510120342.5，技术领域涉及：G06F18/25；该发明授权融合模糊系统和深度学习的锂离子电池健康管理方法是由高为;张向文;杨建刚;黄源;张斌;邹水中;黄品高;季运佳;任风华;姜文英;姜辉设计研发完成，并于2025-01-25向国家知识产权局提交的专利申请。

本融合模糊系统和深度学习的锂离子电池健康管理方法在说明书摘要公布了：本发明公开了融合模糊系统和深度学习的锂离子电池健康管理方法，如下：步骤一、构建物理信息和模糊混合深度学习模型；步骤二、训练物理信息和模糊混合深度学习模型，训练样本的特征输入全连接深度神经网络，得潜在解；计算潜在解对每个输入特征的偏微分；其中非标记特征的偏微分、输入特征、以及潜在解的任意组合输入TSK模糊系统，通过函数F将潜在解对标记特征的偏微分与TSK模糊系统输出融合；基于损失函数，采用反向传播方法训练物理信息和模糊混合深度学习模型，训练好得到优化模型；步骤三、预测锂离子健康状态。该方法将TSK模糊系统取代深度神经网络表示物理信息神经网络的非线性动力学，提高锂离子电池健康状态估计的精确度。

本发明授权融合模糊系统和深度学习的锂离子电池健康管理方法在权利要求书中公布了：1.融合模糊系统和深度学习的锂离子电池健康管理方法，其特征在于，包括如下步骤： 步骤一、构建物理信息和模糊混合深度学习模型： 所述物理信息和模糊混合深度学习模型包括全连接深度神经网络、TSK模糊系统和函数F，其中，所述全连接深度神经网络的输出分别连接所述TSK模糊系统的输入和函数F的输入，所述TSK模糊系统的输出连接所述函数F的输入； 步骤二、训练所述步骤一中的物理信息和模糊混合深度学习模型： 提取电池充放电过程的特征参数集合，作为训练样本； 将所述训练样本输入所述全连接深度神经网络，得到潜在解，所述潜在解为SOH值的预测值，SOH值为锂离子健康状态值； 计算所述潜在解对所述特征参数集合中的每个特征参数的偏微分，得到偏微分集； 将所述偏微分集中的非标记特征参数对应的偏微分、训练样本、以及潜在解的至少一个作为特征集，将所述特征集输入所述TSK模糊系统，得到关于所述特征集的描述特征，通过所述函数F将所述描述特征与偏微分集中标记特征参数对应的偏微分融合生成F特征； 计算所述F特征对所述特征参数集合中标记特征参数的偏导数，得到Ft特征； 基于损失函数得出的所述潜在解与SOH实测值之间的损失、F特征的损失和Ft特征的损失，并通过反向传播方法训练，得到训练后的全连接深度神经网络； 步骤三、将测试电池的特征参数，输入所述训练后的全连接深度神经网络，得到待测试电池的SOH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桂林电子科技大学，其通讯地址为：541010 广西壮族自治区桂林市七星区金鸡路1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。