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！

龙图腾网获悉广州市海皇科技有限公司申请的专利一种电动船舶电池健康状态预测方法及装置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：CN119885022B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411995629.4，技术领域涉及：G06F18/2433；该发明授权一种电动船舶电池健康状态预测方法及装置是由巫林生;霍陆飞;李美玲;黄细掌设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种电动船舶电池健康状态预测方法及装置在说明书摘要公布了：本申请提供一种电动船舶电池健康状态预测方法及装置，该方法包括：通过传感器网络采集电动船舶的多维数据，涵盖动力系统、环境和船体状态；构建包含这些数据的样本数据集，并设计基于多头注意力、交叉卷积及特征注意力聚合的编码器，以及反卷积和条件自注意力机制的解码器；利用编码器和解码器构建初始预测模型，通过样本数据集和预设训练配置进行训练，得到船舶纯电池动力系统状态预测模型；将该模型部署到待预测船舶上，并根据电池容量值进行电池健康状态预测，最终获取电池健康状态的预测结果。该方法及装置能够实时预测船舶纯电池的未来健康状态，预测精确度高，为船舶纯电池动力系统的安全高效运行提供技术保障。

本发明授权一种电动船舶电池健康状态预测方法及装置在权利要求书中公布了：1.一种电动船舶电池健康状态预测方法，其特征在于，包括： 获取基于传感器网络采集的电动船舶多维数据；其中，所述电动船舶多维数据包括动力系统数据、环境数据和船体状态； 根据所述电动船舶多维数据构建样本数据集； 构建基于多头注意力机制、交叉卷积和特征注意力聚合机制的编码器，以及基于反卷积和条件自注意力机制构建解码器； 基于所述编码器和所述解码器，构建初始预测模型； 根据所述样本数据集和预设的训练配置数据对所述初始预测模型进行训练，得到训练好的船舶纯电池动力系统状态预测模型； 将所述船舶纯电池动力系统状态预测模型，部署到待预测船舶的硬件平台上； 根据预设的输出窗口大小获取所述待预测船舶的电池容量值； 根据所述电池容量值和所述船舶纯电池动力系统状态预测模型进行电池健康状态预测，得到电池健康状态预测结果； 其中，所述根据所述电池容量值和所述船舶纯电池动力系统状态预测模型进行电池健康状态预测，得到电池健康状态预测结果，包括： 通过所述编码器对所述电池容量值进行特征编码处理，得到编码输出矩阵； 通过所述解码器对所述编码输出矩阵进行解码处理，得到电池健康状态预测结果；其中，所述电池健康状态预测结果包括电池系统未来状态的关键运行参数，所述关键运行参数至少包括电池电压、电池电流、电池温度、剩余电量、功率输出； 其中，所述编码器包括嵌入层、多头自注意力机制层和交叉卷积层； 所述交叉卷积层包括多个多尺度卷积核； 所述解码器包括反卷积特征重建层、条件自注意力机制层、残差连接与归一化层和输出预测层； 所述训练配置数据至少包括模型训练算法、损失函数、梯度更新算法、迭代次数和训练终止条件； 所述模型训练算法为监督学习算法，所述损失函数为均方差损失函数，所述梯度更新算法为自适应学习率优化算法； 其中，所述通过所述编码器对所述电池容量值进行特征编码处理，得到编码输出矩阵，包括： 通过所述嵌入层将所述电池容量值映射到高维特征空间，得到嵌入表示特征； 通过所述多头自注意力机制层将所述嵌入表示特征映射为查询矩阵、键矩阵和值矩阵； 根据所述查询矩阵和所述键矩阵，计算每个注意力头的注意力权重； 根据所述注意力权重和所述值矩阵，计算每个所述注意力头的输出特征矩阵； 对所述输出特征矩阵进行合并处理，得到多头特征； 对所述多头特征进行线性变换，得到所述多头自注意力机制层的最终输出矩阵； 通过所述多头自注意力机制层对所述嵌入表示特征进行稳定性处理，得到多头注意力机制输出数据； 通过所述交叉卷积层对所述多头注意力机制输出数据进行卷积处理，得到多个不同卷积核的输出特征； 获取每个卷积核对应的卷积核权重； 根据所述卷积核权重对所述多个不同卷积核的输出特征进行通道维度拼接处理，得到编码输出矩阵。

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广州市海皇科技有限公司，其通讯地址为：511468 广东省广州市南沙区大岗镇马前村工业区自编8号及1号码头；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”。