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！

龙图腾网获悉南京工业大学申请的专利一种基于特征对齐无监督迁移网络的锂电池健康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：CN121027863B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511559662.7，技术领域涉及：G01R31/367；该发明授权一种基于特征对齐无监督迁移网络的锂电池健康估计方法是由陈闯;陈磊;史建涛;施歌;岳冬冬;鲍丹;刘钦源设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本一种基于特征对齐无监督迁移网络的锂电池健康估计方法在说明书摘要公布了：本发明公开一种基于特征对齐无监督迁移网络的锂电池健康估计方法，包括：获取源域数据集和目标域数据集；对数据集进行归一化与滑动窗口处理，获得源域样本与目标域样本；将源域样本和目标域样本输入结合LDC与T‑SHIFT的特征提取网络，联合建模容量退化特征的全局趋势与局部差分特征；训练过程中，通过均方误差损失进行监督回归，引入改进型最大均值差异损失对齐源域与目标域特征分布，从而优化模型参数；基于训练完成的网络，完成锂电池健康状态的估计。该方法在缺少目标域标注数据的条件下，依然能够准确估计电池健康状态，有效提升了模型的跨域泛化能力与预测精度，适用于电池健康管理与寿命预测等应用场景。

本发明授权一种基于特征对齐无监督迁移网络的锂电池健康估计方法在权利要求书中公布了：1.一种基于特征对齐无监督迁移网络的锂电池健康估计方法，其特征在于，具体包括以下步骤： S1、采集锂电池在充放电循环过程中的容量衰减数据，构建电池容量退化曲线的源域数据集和目标域数据集； S2、对源域数据集和目标域数据集进行归一化处理，并采用滑动窗口分别生成源域样本集和目标域样本集； S3、将源域样本集和目标域样本集分别输入设计的分层化迁移回归与自适应时序对齐网络STRATA-Net，所述STRATA-Net包括可学习差异卷积模块LDC和梯形分层跳跃式门控融合模块T-SHIFT，通过在多尺度上提取退化特征并应用门控机制实现融合，得到源域容量特征和目标域容量特征； S4、利用源域样本集的真实标签，构建回归头进行预测，计算均方误差作为监督损失；同时在与之间引入对齐损失；根据监督损失和对齐损失构建引导STRATA-Net训练的总损失函数，通过反向传播不断更新STRATA-Net的参数，直至训练出最优参数配置的STRATA-Net； S5、将目标域样本集输入训练好的STRATA-Net中，采用滚动预测方式逐步推断后续循环容量值，得到目标域电池容量退化曲线的预测结果；对比预测结果和真实曲线，评估网络的预测能力。

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工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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。