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！

龙图腾网获悉洛阳理工学院申请的专利基于小波模糊阈值去噪的电池健康估计方法及电子设备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：CN120180006B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510654630.9，技术领域涉及：G06F18/10；该发明授权基于小波模糊阈值去噪的电池健康估计方法及电子设备是由景太龙;武超;武建伟;张娟梅;聂雅琳;赵艳花;宋丽君;张丽娟;董红政;伊竟广;张扬;陈利娜设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本基于小波模糊阈值去噪的电池健康估计方法及电子设备在说明书摘要公布了：本发明公开基于小波模糊阈值去噪的电池健康估计方法及电子设备，属于新能源动力电池健康管理领域。该方法针对现有技术中噪声干扰严重、模型泛化性差及过拟合风险高等问题，提出以下技术方案：首先对锂离子电池老化数据进行预处理；其次采用小波模糊阈值去噪法，实现自适应去噪，并构建案例库；随后构建正则化堆叠长短期记忆网络模型，通过参数约束和正则化系数上下界限制优化目标函数，抑制过拟合；最后将去噪后的案例库输入所述正则化堆叠长短期记忆网络模型，迭代优化后，输出训练好的最优预测模型，进行锂离子电池健康状态估计。实验表明，本方法能够显著提升电池健康状态预测精度和鲁棒性，为新能源电池健康管理提供可靠依据。

本发明授权基于小波模糊阈值去噪的电池健康估计方法及电子设备在权利要求书中公布了：1.基于小波模糊阈值去噪的电池健康估计方法，其特征在于，包括以下步骤： S1、对原始锂离子电池老化数据进行预处理； S2、对预处理后的数据采用小波模糊阈值去噪法进行平滑处理，消除噪声和尖峰，构建去噪后的案例库； S3、构建正则化堆叠长短期记忆网络模型，包括堆叠LSTM层和正则化优化模块，其中正则化优化模块通过引入参数约束和正则化系数上下界限制优化目标函数，所述正则化系数在对模型参数的范数函数作优化的同时，对损失函数作正则化约束，以抑制过拟合； S4、将去噪后的案例库数据输入所述正则化堆叠长短期记忆网络模型进行训练，评估模型性能，通过调整模型超参数直至达到最优性能后，输出训练好的最优预测模型，利用最优预测模型进行锂离子电池健康状态估计； 步骤S2中采用小波模糊阈值去噪法进行平滑处理，具体包括： S21、采用拉普拉斯高斯小波对电池衰减信号进行多尺度分解，得到近似部分和噪声部分； S22、基于自适应模糊软阈值方法动态调整阈值，通过自适应模糊规则库将小波系数绝对值、局部标准差和局部能量作为模糊输入，输出动态阈值等级，并利用加权平均法进行去模糊化，得到经阈值处理后的衰减信号；其中，自适应模糊软阈值方法具体实现过程为： 首先，使用三角模糊函数将变量划分三个等级，建立自适应模糊规则库，所述自适应模糊规则库包括以下规则：若小波系数绝对值为小、局部标准差低且局部能量弱，则阈值等级为高；若小波系数绝对值为中且局部标准差为中，则阈值等级为中；若小波系数绝对值为大、局部标准差高或局部能量强，则阈值等级为低； 然后，采用加权平均法进行去模糊化，其表达式为： 式中，λ为经加权平均法输出的阈值，ui为每条规则的激活程度，ci为对应输出隶属函数的中心值； 最后，对每一个小波系数w应用模糊系统输出阈值λw，进而得到经软阈值处理的小波系数： 式中，Wλ为经软阈值处理后的小波系数；signx为符号函数，其定义为：当x0时，signx=1，当x=0时，signx=0，当x0时，signx=-1；w为原始系数；λw为与系数w对应的由模糊系统输出的阈值 S23、对阈值处理后的衰减信号按照绝对值大小进行排序； S24、将排列好的衰减信号序列，采用小波反变换进行信号重构，得到经过噪声处理的信号。

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洛阳理工学院，其通讯地址为：471023 河南省洛阳市洛龙区王城大道90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”。