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！

龙图腾网获悉湘潭大学申请的专利一种基于Adamom优化器的二次电池SOH预测模型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：CN119667490B 。

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：202411838680.4，技术领域涉及：G01R31/367；该发明授权一种基于Adamom优化器的二次电池SOH预测模型是由蒋文娟;陈焰鑫;胡隆周;马增胜设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种基于Adamom优化器的二次电池SOH预测模型在说明书摘要公布了：本申请公开了一种基于Adamom优化器的二次电池SOH预测模型，该方法首先分析并提取电池管理系统直接监测的特征序列数据，选择与锂电池容量序列皮尔逊相关系数较高的特征序列作为健康因子序列。接着，构建了结合Adamom优化器和样本卷积神经网络的模型，并通过均方根误差RMSE来优化模型超参数和验证模型架构的有效性。本申请在保留Adadelta优化器优点的基础上，能够提供更加稳定的模型权重优化过程，并加速收敛速度；采用样本卷积神经网络提取健康因子序列中的长期、中期和短期时间依赖关系，从而显著提高了电池SOH预测的准确性。所述模型架构简洁，权重参数较传统深度学习模型较少，成功解决了现有技术中模型结构复杂、计算量大以及依赖电池劣化先验知识等问题。

本发明授权一种基于Adamom优化器的二次电池SOH预测模型在权利要求书中公布了：1.一种基于Adamom优化器的二次电池SOH预测模型，其特征在于，具体包括如下步骤： 步骤1：获取二次电池的特征序列及容量序列，然后分别进行归一化处理；其中，特征序列包括恒流充电时间、恒压充电时间和相同时间内电压上升值； 步骤2：对归一化处理后的特征序列和容量序列进行相关性分析，选择与容量序列相关性较强的特征序列作为健康因子序列，随后将得到的健康因子序列按一定比例分为训练集、验证集和测试集； 步骤3：基于样本卷积模型构建二次电池SOH预测模型，并使用步骤2中得到的训练集对该预测模型进行训练；在训练过程中，采用Adamom优化器优化所述预测模型的参数，并采用步骤2得到的验证集对模型进行验证，选择误差最小的参数组合作为最终模型参数； 步骤4：采用步骤2得到的测试集对步骤3得到预测模型进行测试，得到SOH的估计值，然后将循环周期容量的估计值反归一化得到循环周期容量的预测值； 步骤5：根据均方根误差RMSSE判断神经网络预测结果并进行输出、优化和验证； 所述Adamom优化器是通过对Adadelta优化器进行改进获得，在时间t时刻Adamom优化器进行如下更新计算，具体步骤如下： 1初始化累积变量； 4 5 其中，表示当前时刻梯度平方的累计；表示当前时刻参数更新的平方的累计； 2对于每个参数，在时间t时刻，使用衰减因子α来计算梯度平方的指数加权平均值； 6 其中，为衰减因子，默认值为0.9； 3对于每个参数，在时间t时刻，使用衰减因子β来计算参数更新平方的指数加权平均值； 7 其中，为衰减因子，默认值为0.9； 4在前一时刻的基础上加上当前梯度的部分信息来更新动量： 8 式8中，和分别代表前一时刻和当前时刻的动量；代表衰减因子，默认值为0.9；代表当前时刻的梯度； 5利用之前计算得到的和来计算本次迭代的参数更新量： 9 10 式9~10中，和分别代表下一时刻和当前时刻的权重大小；默认值为1e-6； 在步骤2中，所述相关性分析采用皮尔逊相关系数进行分析，当其绝对值大于等于0.8时，被认为相关性较强。

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湘潭大学，其通讯地址为：411105 湖南省湘潭市雨湖区北二环；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。