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！

龙图腾网获悉西安理工大学申请的专利基于长短时记忆自编码器的锂电池异常检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：CN114565008B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210034601.9，技术领域涉及：G06F18/24；该发明授权基于长短时记忆自编码器的锂电池异常检测方法是由蔡磊;李俊欣;金海燕;闫晶设计研发完成，并于2022-01-12向国家知识产权局提交的专利申请。

本基于长短时记忆自编码器的锂电池异常检测方法在说明书摘要公布了：本发明公开的基于长短时记忆自编码器的锂电池异常检测方法，具体为：获取正常及异常锂电池标准寿命内横流充电电压曲线；将充电电压曲线划分为训练集合和测试集合；基构建长短时记忆自编码器模型；将正常锂电池横流充电电压曲线输入自编码器模型进行训练；使用训练完毕的自编码器模型结合正常与异常电压曲线确定最优阈值；结合最优阈值与自编码器模型对锂电池进行异常检测。本发明方法提高对电池异常检测的准确性和自动化程度。

本发明授权基于长短时记忆自编码器的锂电池异常检测方法在权利要求书中公布了：1.基于长短时记忆自编码器的锂电池异常检测方法，其特征在于，具体按照以下步骤实施： 步骤1、获取正常及异常锂电池标准寿命内横流充电电压曲线； 步骤2、将所述步骤1中的充电电压曲线划分为训练集合和测试集合； 步骤3、构建长短时记忆自编码器模型； 所述步骤3具体按照以下步骤实施： 步骤3.1、建立长短时记忆神经网络的编码器，该长短时记忆网络包括遗忘门、输入门、输出门、隐状态、记忆细胞和候选记忆细胞，输入层为b,,1的单序列时间序列张量，其中为训练过程中数据批次的大小，隐层个数设置为1，该编码器隐层的神经元数量参数的设置区间，编码器输出为，其中表示为电压曲线滑动窗口的大小； 步骤3.2、建立扩展层，对进行扩展，重复次将扩展为,,大小的张量； 步骤3.3、建立长短时记忆神经网络的解码器，该长短时神经网络的输入为步骤3.2完成后的张量，隐层个数设置为1，该解码器隐层的神经元数量参数的设置区间=，解码器的输出为每个隐层向量的序列集合； 步骤3.4、建立输出层，在该层中，首先建立全连接层，该全连接层的输入大小为，输出大小为1，输出层的作用是重复次，将集合中每个向量输入全连接层，并将次输出的结果拼接成张量； 步骤4、将正常锂电池横流充电电压曲线输入自编码器模型进行训练； 所述步骤4具体按照以下步骤实施： 设定数据批次大小，使用训练集中的正常状态集合对所构建的自编码器进行训练，训练时所使用的损失函数为输入数据与输出数据之间的均方差，其表示如下： （1） 其中为训练样本真实值，为长短时记忆网络自编码器的输出值，训练过程中需最小化该重构误差； 步骤5、使用训练完毕的自编码器模型结合正常与异常电压曲线确定最优阈值； 所述步骤5具体按照以下实施： 步骤5.1、设定阈值的起始值，步长和终止值，建立阈值集合（2）； 步骤5.2、依照测试集合，假设每次循环时阈值为，自编码器对测试集中每个样本的构建误差为，则每组样本是否为异常的预测值，依照如下条件给出： （3）（4） 其中，标签为1表示异常； 步骤5.3、根据测试集合，异常与否的预测结果和真实的样本标签，统计如下指标： TP:真实样本异常，被长短时记忆神经网络预测也为异常的样本数量； FP:真实样本正常，被长短时记忆神经网络预测为异常的样本数量； TN:真实样本正常，被长短时记忆神经网络预测为正常的样本数量； FN:真实样本异常，被长短时记忆神经网络预测为正常的样本数量； 步骤5.4、根据步骤5.3统计出的指标，依照以下公式计算FPR和TPR： （5） （6） 步骤5.5、依照公式（2），重复步骤5.2至步骤5.4，获取所有阈值的FPR与TPR集合； 步骤5.6、以FPR集合为横坐标，TPR集合为纵坐标，绘制ROC曲线，选取距离0,1最近的点所对应的阈值，为最终阈值； 步骤6、结合最优阈值与自编码器模型对锂电池进行异常检测； 所述步骤6具体按照以下实施： 对于新的锂电池横流电压曲线，输入到步骤4所建立的长短时记忆自编码器中，计算该电压曲线与自编码器所构建电压曲线之间的MSE值，并参照步骤5所得的阈值，依照以下条件，对锂电池是否异常进行判别： （7） （8） 其中，表示该电池工作异常，否则为正常。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。