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！

龙图腾网获悉江南大学;中国北方车辆研究所申请的专利一种车载锂电池剩余容量预测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：CN119644150B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411559113.5，技术领域涉及：G01R31/367；该发明授权一种车载锂电池剩余容量预测方法是由吴定会;杜康宁;鲍珂;李孟伟;林佳鑫;费佳杰设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种车载锂电池剩余容量预测方法在说明书摘要公布了：本发明公开了一种车载锂电池剩余容量预测方法，其步骤包括：利用电池管理系统实现电池数据采集，云服务器对多辆电动车电池样本数据采用皮尔逊相关系数算法分析数据的多维特征的相关性，筛选出对电池容量影响较大的强特征；对数据进行标准化处理；根据输入数据维数，构建LSTM神经网络预测模型；根据神经网络结构设置混沌粒子群优化算法的参数，将混沌粒子群优化算法解得的最优参数用于LSTM神经网络；最后完成神经网络模型的训练和测试，得到可用于预测的LSTM神经网络模型。本发明利用皮尔逊相关系数算法进行电池容量相关特征分析，找出对电池容量影响较大的强特征，提高模型的准确性；采用混沌粒子群算法优化的LSTM神经网络模型进行预测，提高了预测精度。

本发明授权一种车载锂电池剩余容量预测方法在权利要求书中公布了：1.一种车载锂电池剩余容量预测方法，其特征是，包括以下步骤： 步骤一、利用电池管理系统实现电池数据采集，包括每次电池循环的电池电压、电池电流、电池温度、剩余容量、放电时间、放电最大电压、充电最大电压、恒定电流时间和充电时间，将数据上传至云服务器；云服务器对收集到的多辆电动车电池的样本数据采用皮尔逊相关系数算法分析电池数据的多维特征的相关性，筛选出对电池容量影响较大的强特征；设总电池数量为N，其中第j块电池样本数据的电池循环次数记为nj，则第j块电池一种特征数据的皮尔逊相关系数如下式： 然后计算该种特征的平均皮尔逊相关系数 式中，xi,j为第j块电池在第i个电池循环次数的容量数据，yi,j为第j块电池第i个电池循环次数的该种特征的采样数据值；对每一种特征计算出它的rxy； 根据皮尔逊相关系数，筛选出对电池容量影响较大的强特征包括：放电时间、放电最大电压、充电最大电压、恒定电流时间和充电时间； 步骤二、对筛选出5个特征的样本数据进行标准化处理，得到归一化后的数据，并对N块电池的数据按比例划分为训练集与测试集； 步骤三、设置LSTM神经网络初始的输入维度为5，全连接层输出维度为1，构建用于车载锂电池剩余容量预测的神经网络模型； 步骤四、用混沌粒子群优化算法优化LSTM神经网络的神经元个数、层数、学习率和迭代次数，将获得的最优超参数分配给LSTM神经网络模型； 步骤五、用步骤二的训练集数据对步骤四优化后的LSTM神经网络模型进行训练，然后用测试集数据对训练好的LSTM神经网络模型进行车载锂电池电池容量预测，最后计算评价指标，指标合格的LSTM神经网络模型用于电池容量的预测； 其中，步骤四用混沌粒子群优化算法优化神经元个数、层数、学习率和迭代次数的方法如下： 步骤4.1、初始化粒子群：首先，初始化一群粒子，每个粒子代表一组解，即神经元个数、层数、学习率和迭代次数的组合；对粒子群算法引入Tent混沌映射，利用混沌变量的随机性在解空间中产生分布均匀的粒子种群； 步骤4.2、计算每个粒子对应的适应度值：即使用该粒子对应的神经元个数、层数、学习率和迭代次数来训练LSTM模型，并计算训练集的均方根预测误差作为适应度值； 步骤4.3：更新个体最优位置和全局最优位置：根据每个粒子的适应度值，更新每个粒子的个体最优位置和全局最优位置； 步骤4.4：更新粒子的位置和速度：根据个体最优位置和全局最优位置，以及当前位置和速度，更新粒子的位置和速度； 步骤4.5：判断是否满足终止条件，如果终止条件尚未满足，就继续进行步骤4.2-4.5，直到满足终止条件为止，输出最优解； 步骤4.1中，Tent混沌映射公式为： 式中，xn表示混沌映射的第n次迭代结果，xn+1表示混沌映射的第n+1次迭代结果，a是尺度参数，β是非线性指数，μn是服从标准正态分布的随机变量，εn是噪声项，取值为[0,1]之间的均匀随机变量； 使用以上Tent混沌映射来生成粒子群算法初始粒子种群的位置，通过Tent混沌映射具有的混沌性质，扩散粒子在搜索空间中的初始位置，初始粒子位置公式如下： posij＝a+b-a·xn+1 式中，posij是第i个粒子的第j维位置，a和b是搜索维度的下限和上限。

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江南大学;中国北方车辆研究所，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。