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！

龙图腾网获悉昆明理工大学申请的专利基于Dozerformer模型的锂离子电池SOH-RUL联合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：CN119758097B 。

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：202411915506.5，技术领域涉及：G01R31/367；该发明授权基于Dozerformer模型的锂离子电池SOH-RUL联合估计方法是由夏雪磊;陈峥;彭月;胡竞元;申江卫;沈世全设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本基于Dozerformer模型的锂离子电池SOH-RUL联合估计方法在说明书摘要公布了：本发明属于基于特定计算模型的电池技术领域，公开了基于Dozerformer模型的锂离子电池SOH‑RUL联合估计方法，可以实现并有效提升Dozerformer模型对于电池SOH‑RUL联合估计性能。该方法包括：首先，采用Dozerformer模型学习电池老化特征与SOH和RUL之间的映射关系，将电池退化数据分解为周期分量和趋势分量，引入由局部稀疏、步长稀疏和变化稀疏组成的稀疏注意机制学习周期分量中长期和短期特征，并采用线性层学习趋势分量特征信息，将两者估计结果结合得到SOH‑RUL联合估计结果；其次，采用光滑二次损失函数指导Dozerformer模型以降低模型在训练过程中对异常值的敏感性，最后，基于最优权重和偏置的Dozerformer模型对锂离子电池的SOH和RUL进行估计输出SOH‑RUL估计结果。

本发明授权基于Dozerformer模型的锂离子电池SOH-RUL联合估计方法在权利要求书中公布了：1.一种基于Dozerformer模型的锂离子电池SOH-RUL联合估计方法，其特征在于，包括： S1、采用Dozerformer模型学习电池老化特征与SOH和RUL之间的映射关系，将电池老化特征分解为周期分量和趋势分量，引入由局部稀疏、步长稀疏和变化稀疏组成的稀疏注意机制学习周期分量中长期和短期特征，并采用线性层学习趋势分量特征信息； 对于一个输入序列X，其中L为序列长度，N为特征数量，Dozerformer模型主要计算过程如下： S1.1、将输入序列X分解为将趋势分量和周期分量； S1.2、计算趋势分量上的预测结果； S1.3、将周期分量采用维度不变嵌入到c个特征图中，并划分为p个补丁； S1.4、利用Transformer编码器学习周期分量中的序列特征信息，并在自注意力机制中引入局部稀疏和步长稀疏策略，对注意力权重进行稀疏化处理，从而获得稀疏化后的注意力机制结果，随后，通过前馈网络层和残差连接，生成编码器的最终输出； S1.5、利用Transformer解码器，通过自注意力机制结合交叉注意力机制，对编码器输出的信息进行解码，最终得到解码器的输出；具体包括以下步骤： S1.5.1、采用与Transformer编码器相同的掩蔽多头自注意力机制对解码器的输入进行处理，获得多头自注意力的输出结果； S1.5.2、将Transformer编码器的输出作为交叉注意力机制的键Key和值Value，并将解码器的输入作为查询Query，在交叉注意力机制中引入局部稀疏矩阵、步长稀疏矩阵和变化稀疏矩阵，对编码器信息进行解码，得到交叉注意力机制的输出结果； S1.5.3、将多头自注意力机制的输出结果与交叉注意力机制的输出结果通过前馈网络层和残差连接进行融合，生成解码器的最终输出，即最终的预测结果； S1.6、采用1×1卷积得到周期分量上的预测结果； S1.7、将趋势分量和周期分量上的预测结果相加得到最终结果； S2、在模型训练中，通过光滑二次损失函数优化Dozerformer模型的权重和偏置； S3、使用最优权重和偏置的Dozerformer模型对锂离子电池的SOH和RUL进行估计输出SOH-RUL估计结果。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727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。