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！

龙图腾网获悉福建星云电子股份有限公司申请的专利一种融合无监督和监督学习的锂电池健康状态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：CN116699410B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310508706.8，技术领域涉及：G01R31/367；该发明授权一种融合无监督和监督学习的锂电池健康状态估计方法是由何学智;汤慈全;蔡绍进设计研发完成，并于2023-05-08向国家知识产权局提交的专利申请。

本一种融合无监督和监督学习的锂电池健康状态估计方法在说明书摘要公布了：本发明提供了锂电池检测技术领域的一种融合无监督和监督学习的锂电池健康状态估计方法，包括：步骤S10、获取锂电池大量的充电数据，基于各充电数据构建训练集和测试集；步骤S20、对训练集和测试集进行归一化以及长度统一的预处理；步骤S30、基于编码模块、解码模块以及SOH预测模块创建一融合无监督学习和监督学习的第一估计模型；步骤S40、利用预处理后的训练集和测试集对第一估计模型进行训练和测试；步骤S50、从训练完成的第一估计模型中提取编码模块以及SOH预测模块，基于提取的编码模块以及SOH预测模块创建一第二估计模型；步骤S60、利用第二估计模型进行锂电池健康状态估计。本发明的优点在于：极大的提升了锂电池健康状态估计的准确性以及泛化性。

本发明授权一种融合无监督和监督学习的锂电池健康状态估计方法在权利要求书中公布了：1.一种融合无监督和监督学习的锂电池健康状态估计方法，其特征在于：包括如下步骤： 步骤S10、获取锂电池大量的充电数据，基于各所述充电数据构建训练集和测试集； 步骤S20、对所述训练集和测试集进行归一化以及长度统一的预处理； 步骤S30、基于编码模块、解码模块以及SOH预测模块创建一融合无监督学习和监督学习的第一估计模型； 步骤S40、利用预处理后的所述训练集和测试集对第一估计模型进行训练和测试；所述第一估计模型在训练过程中，通过反向传播算法不断优化参数，使设定的损失函数计算的损失值小于设定的损失阈值；所述损失函数的公式为：；；； 其中，表示损失值；表示均方误差损失函数；表示平均绝对值损失函数；和表示权重系数；表示预测值；表示目标值；表示总数据量；表示数据编号； 步骤S50、从训练完成的第一估计模型中提取编码模块以及SOH预测模块，基于提取的所述编码模块以及SOH预测模块创建一第二估计模型； 步骤S60、利用所述第二估计模型进行锂电池健康状态估计。

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福建星云电子股份有限公司，其通讯地址为：350000 福建省福州市马尾区快安马江大道石狮路6号1-4#楼；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。