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！

龙图腾网获悉华南理工大学申请的专利基于预训练模型引导遗传编程的电池寿命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：CN121389835B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511971259.5，技术领域涉及：G06F30/27；该发明授权基于预训练模型引导遗传编程的电池寿命预测方法是由杨芷苓;钟竞辉设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本基于预训练模型引导遗传编程的电池寿命预测方法在说明书摘要公布了：本发明公开一种基于预训练模型引导遗传编程的电池寿命预测方法，包括：定义电池寿命预测目标与电池循环特征；利用包含电池循环特征数学表达式，生成数据点对集合，构建训练数据集，预训练Transformer模型；采集电池数据，构建电池数据集；将电池数据集输入Transformer模型，利用Transformer模型生成引导子种群，并与生成随机子种群结合，构建遗传编程的混合初始种群；对混合初始种群进行迭代进化，进行变异操作，变异操作基于语义反向传播和Transformer模型的语义引导执行；判断进化是否达到终止条件，进化若终止则输出数学表达式，将待测电池的电池循环特征输入数学表达式，得到电池寿命预测结果。

本发明授权基于预训练模型引导遗传编程的电池寿命预测方法在权利要求书中公布了：1.一种基于预训练模型引导遗传编程的电池寿命预测方法，其特征在于，包括以下步骤； 定义电池寿命预测目标与电池循环特征； 利用包含电池循环特征的数学表达式，生成数据点对集合，构建训练数据集，预训练Transformer模型，学习电池循环特征到数学表达式的映射； 采集电池循环充放电数据，构建包含电池循环特征的电池数据集，对包含电池循环特征的电池数据集进行预处理； 将电池数据集输入预训练的Transformer模型，利用Transformer模型生成引导子种群，并与生成随机子种群结合，构建遗传编程的混合初始种群； 对混合初始种群进行迭代进化，进行选择、交叉和变异操作，变异操作基于语义反向传播和预训练Transformer模型的语义引导执行； 判断进化是否达到终止条件，进化若终止，则输出数学表达式，将待测电池的电池循环特征输入数学表达式，经计算后，得到电池寿命预测结果； 采集电池循环充放电数据，构建包含电池循环特征的电池数据集，具体为： 对多个电池样本进行循环充放电测试，在测试过程中记录多种信号数据，以单个电池的数据采集为例，其流程为：在一次完整的充放电循环中，按时间序列记录每一时刻的电流Ijt、电压Vjt与温度Tjt；并将这些信号按循环次序存储，形成数据集： ； 其中，j为循环次数编号，a为总循环次数； 当电池容量衰减到预设阈值所对应的循环次数后，基于数据集S，依据电池循环特征的定义，通过相应计算提取出包含电池循环特征的电池数据集； 变异操作基于语义反向传播和预训练Transformer模型的语义引导执行，具体为： 变异操作为一种混合变异操作，基于预设的语义变异概率执行，在每次变异操作中，程序会生成一个随机数； 当随机数小于预设的语义变异概率时，触发语义引导的变异操作，具体包括： 从待变异个体程序树上随机选择一个节点N，通过语义反向传播技术计算该节点N的目标语义；该计算以根节点的目标输出为起点，自顶向下反向推导，并结合电池循环特征的实际取值进行语义传播，目标输出即电池容量衰减至预设阈值时的循环次数的对数值； 将计算得到的目标语义向量，即目标语义的集合，及对应的电池循环特征的输入数据，共同输入至预训练的Transformer模型，Transformer模型生成一个与目标语义相匹配的符号序列，该符号序列随后被解析为一个新子树，称为Transformer语义变异子树； 利用该新子树替换待变异节点N处的原有子树，即完成一次语义引导的变异操作； 当随机数大于等于预设的语义变异概率时，执行传统的随机变异操作：随机生成一个预设高度约束的新子树，其中叶节点为电池循环特征或常数，并用其替换待变异个体中的随机子树。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。