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！

龙图腾网获悉长安大学申请的专利基于数据驱动和粒子滤波融合模型的锂电池RUL预测方法、系统、设备及介质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：CN117076866B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202311168894.0，技术领域涉及：G06F18/10；该发明授权基于数据驱动和粒子滤波融合模型的锂电池RUL预测方法、系统、设备及介质是由巫春玲;付俊成;郑克军;吕晶晶设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本基于数据驱动和粒子滤波融合模型的锂电池RUL预测方法、系统、设备及介质在说明书摘要公布了：基于数据驱动和粒子滤波融合模型的锂电池RUL预测方法、系统、设备及介质，其方法为：将卷积神经网络CNN和门控循环单元GRU网络结合，形成CNN‑GRU的串联结构，能够同时捕捉空间和时序信息，简化现有技术中复杂的时间序列问题；采用双指数经验模型建立状态方程，以CNN‑GRU输出的预测值作为观测值，建立CNN‑GRU‑PF融合预测模型的状态空间方程，基于CNN‑GRU‑PF融合模型对锂电池RUL进行预测；其系统、设备及方法基于上述方法实现对锂电池RUL高效预测，能够减小数据的噪音和不确定性，确保模型方法的可靠性，预测准确且具有良好的普遍适用性。

本发明授权基于数据驱动和粒子滤波融合模型的锂电池RUL预测方法、系统、设备及介质在权利要求书中公布了：1.一种基于数据驱动和粒子滤波融合模型的锂电池RUL预测方法，其特征在于，具体包括以下步骤： 步骤1、将卷积神经网络CNN分为卷积层和全连接层，取消池化层的使用，由全连接层将卷积层输出的数据进行整合和映射，得到分类或回归的结果； 将卷积神经网络CNN和门控循环单元GRU网络结合，形成串联结构的CNN-GRU网络模型； 步骤2、建立CNN-GRU-PF融合预测模型，对锂电池RUL进行预测； 采用PF的滤波方法，利用CNN-GRU网络的容量预测值对双指数经验模型的参数进行更新；更新后的参数计算新的容量预测值；新的容量预测值更新CNN-GRU训练数据集，实现CNN-GRU神经网络预测信息与双指数经验模型预测信息的融合；基于CNN-GRU-PF融合模型对锂电池RUL进行预测； 2.1采用双指数经验模型建立状态方程，以CNN-GRU输出的容量预测值作为观测值，建立CNN-GRU-PF融合预测模型的状态空间方程： xk＝[ak；bk；ck；dk]1 Qk＝ak*expbk*k+ck*expdk*k+γk,γk～N0,σQ3 式中：a、b、c、d为电池的内部参数，也为状态量，电池容量作为观测量；k为电池的充放电循环周期；Qk是k循环周期的容量观测值，由CNN-GRU模型的容量预测值提供；ω、γ分别为过程噪声和测量噪声，过程噪声和测量噪声都是高斯噪声； 2.2采用PF的滤波方法，利用CNN-GRU网络的容量预测值对双指数经验模型的参数a、b、c、d进行更新； 2.3利用步骤2.2更新后的参数计算新的容量预测值； 2.4利用步骤2.3新的容量预测值更新CNN-GRU训练数据集，实现CNN-GRU神经网络预测信息与双指数经验模型预测信息的融合；基于CNN-GRU-PF融合模型对锂电池RUL进行预测； 2.4.1降噪预处理：从电池数据集中提取电池的容量数据并进行降噪预处理； 2.4.2初始化参数：设置预测起点s、寿命阈值、PF初始值以及CNN-GRU参数； 2.4.3划分训练集和测试集：Data_trains是CNN-GRU模型训练的训练数据矢量；Data_test是CNN-GRU模型的测试数据矢量；Data_trains由前s步周期的容量C1，C2，C3，…，Cs组成； 2.4.4用CNN-GRU网络模型训练并预测s+1循环周期时的电池容量，命名为 2.4.5基于PF的状态估计：针对由式1、2、3组成的状态空间模型，将作为PF中的测量值，利用PF算法估计模型状态[ak；bk；ck；dk]，从而得到优化后的容量预测值Qs+1； 2.4.6构造移动训练数据集：使用步骤2.4.5得到的优化的容量预测值Qs+1更新CNN-GRU模型的训练数据集Data_trains，再利用更新后的训练数据集重新训练CNN-GRU神经网络；更新训练数据集方式具体如下：将Qs+1加入CNN-GRU模型的Data_trains，生成训练数据集Data_trains+1；更新后Data_trains+1由C2，C3，…，Cs，Qs+1组成； 2.4.7重复执行步骤2.4.4到步骤2.4.6，直到预测步长达到数据集总长度，循环结束； 2.4.8根据测试集数据评价预测结果，并计算RUL。

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长安大学，其通讯地址为：710061 陕西省西安市南二环中段；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。