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！

龙图腾网获悉合肥工业大学申请的专利基于深度学习的锂离子电池寿命预测方法和系统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：CN117113056B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202311091885.6，技术领域涉及：G06F18/213；该发明授权基于深度学习的锂离子电池寿命预测方法和系统是由周开乐;张志越;殷辉;虎蓉设计研发完成，并于2023-08-28向国家知识产权局提交的专利申请。

本基于深度学习的锂离子电池寿命预测方法和系统在说明书摘要公布了：本发明提供一种基于深度学习的锂离子电池寿命预测方法和系统，涉及电池健康预测技术领域。本发明中，首先针对原始信号数据进行一次分解，获取按频率由高到低分布的IMF序列；获取高低频分界点，并据此将IMF序列划分获取高频数据和低频数据；针对高频数据进行二次分解，获取降噪后的高频数据；有助于准确地提取电池容量衰减的动态特征，而不受噪声的干扰。然后将降噪后的高频数据作为CNN‑Transformer网络的输入，获取第一预测值；以及将低频数据作为Transformer网络的输入，获取第二预测值；合并第一和第二预测值，作为锂离子电池寿命预测结果；使用深度学习方法进行RUL预测，通过精确地捕捉全局和局部信号特征提高预测准确性。

本发明授权基于深度学习的锂离子电池寿命预测方法和系统在权利要求书中公布了：1.一种基于深度学习的锂离子电池寿命预测方法，其特征在于，包括： 针对原始信号数据进行一次分解，获取按频率由高到低分布的IMF序列； 根据所述IMF序列，获取高低频分界点，并据此划分获取高频数据和低频数据； 针对所述高频数据进行二次分解，获取降噪后的高频数据； 将所述降噪后的高频数据作为CNN-Transformer网络的输入，获取第一预测值；以及将所述低频数据作为Transformer网络的输入，获取第二预测值； 合并第一和第二预测值，作为锂离子电池寿命预测结果； 采用变分模态分解针对所述高频数据进行二次分解，包括： S31、设高频数据被分解为K个模态，以最小化各模态的估计带宽之和为目标，并通过交替方向乘法器来求解最优解；相应约束变分表达式为： 其中，YHFt为高频数据，δ为狄拉克函数，*为卷积运算；uk是模态函数，且{uk}：＝{u1，u2，…，uK}；ωk为各个模态分量的中心频率，且{ωk}：＝{ω1，ω2，…，ωK}； S32、通过增广拉格朗日函数将上述等式约束优化问题转化为无约束优化问题： 其中，λ为拉格朗日乘子，α为惩罚因子； S33、采用交替方向乘子法求解S32，以优化S31中第n+1次迭代步骤： 其中，argmin为使目标函数取最小值时的变量值，p为噪声容忍度；S34、采用帕塞瓦尔定理在频域内求解S33： 将最终求解获取的z0＝{u1，u2，…，uK}作为所述降噪后的高频数据。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。