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！

龙图腾网获悉北京理工大学;北京空间飞行器总体设计部申请的专利一种基于域相似元学习的小样本锂电池SOH估计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：CN119474822B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411591207.0，技术领域涉及：G06F18/213；该发明授权一种基于域相似元学习的小样本锂电池SOH估计方法是由史大威;武文静;付晗静;刘治钢;杨东设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于域相似元学习的小样本锂电池SOH估计方法在说明书摘要公布了：本发明公开了一种基于域相似元学习的小样本锂电池SOH估计方法，包括以下步骤：S1、设计动态‑静态特征提取模块，采用动态‑静态特征提取模块从电池数据集中提取动态特征和静态特征，通过灰色关联系数将得到的特征联系起来；S2、设计基于域相似的任务排序模块，任务排序模块利用最大均值差异MMD算法计算训练任务之间的域相似度，对训练任务进行排序；S3、在元学习框架中加入LSTM元学习模块，LSTM模型作为学习器，捕捉SOH与电压时间序列之间的依赖关系，并将排序后训练任务嵌入元训练过程。本发明采用上述一种基于域相似元学习的小样本锂电池SOH估计方法，将数学工具和元学习框架相结合，用于在不同工况下精确估计锂电池SOH。

本发明授权一种基于域相似元学习的小样本锂电池SOH估计方法在权利要求书中公布了：1.一种基于域相似元学习的小样本锂电池SOH估计方法，其特征在于，包括以下步骤： S1、设计一种动态-静态特征提取模块，采用动态-静态特征提取模块从电池数据集中提取动态特征和静态特征，通过灰色关联系数将得到的特征联系起来，以收集足够的信息； 在S1中，动态-静态特征提取模块包括直接静态特征提取部分、直接动态特征提取部分以及内部动态特征提取部分，直接静态特征提取部分提取特征过程中，使用一个有三层隐藏层的全连接神经网络去拟合电压曲线，然后从电池数据集的电压范围中等间隔地取20个点，将取到的点带入到中，得到的对应时间值即为等电压差放电时间，记为特征； ； 其中，为输入电压序列，变量是离散的时间，是循环的次数，全连接神经网络为用于直接提取静态特征的网络，输入电压序列拟合为连续电压曲线； 直接动态特征提取部分提取电池数据集中增量容量IC曲线的特征作为反应电池健康状态的机理参数特征，建立如下特征集： ； IC曲线反应电池状态信息，其中，是IC曲线位于右下角峰值的横坐标，是IC曲线位于左上角峰值的横坐标，和均随着循环次数的变化而变化；和分别表示IC曲线的平均值和方差； 内部动态特征提取部分使用物理信息神经网络，利用电池数据集中的放电曲线识别的欧姆电阻与电池的线性关系，进行特征辨识，以获得内部动态特征欧姆电阻值； ； 其中，为物理信息神经网络，为多层感知器，为循环神经网络，将、和串联后对输入电压序列和电池容量进行识别和处理，辨识电池内部欧姆电阻特征； 使用灰色关联度系数将所提取的动态特征和静态特征进行处理和融合，得到特征集，特征集用于输入后续网络中； S2、设计一种基于域相似的任务排序模块，任务排序模块利用最大均值差异MMD算法计算训练任务之间的域相似度，对训练任务进行排序，减少再训练时间； S3、在元学习框架中加入LSTM元学习模块，LSTM元学习模块利用LSTM模型作为学习器，LSTM元学习模块捕捉SOH与电压时间序列之间的长期依赖关系，并将排序后训练任务嵌入元学习过程中。

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北京理工大学;北京空间飞行器总体设计部，其通讯地址为：100081 北京市海淀区中关村南大街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”。

以上内容由龙图腾AI智能生成。