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！

龙图腾网获悉广西大学申请的专利一种多分数阶积分注意卷积的超级电容剩余寿命分类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：CN116756627B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310504284.7，技术领域涉及：G06F18/241；该发明授权一种多分数阶积分注意卷积的超级电容剩余寿命分类方法是由殷林飞;剧文居;卢泉设计研发完成，并于2023-05-07向国家知识产权局提交的专利申请。

本一种多分数阶积分注意卷积的超级电容剩余寿命分类方法在说明书摘要公布了：本发明提出一种多分数阶积分注意卷积的超级电容剩余寿命分类方法，该方法将多分数阶积分方法与变换卷积网络结合，用于超级电容的剩余使用寿命预测。首先，所述方法中的多分数阶积分方法用于处理超级电容的容量数据，捕获超级电容容量数据中的时序依赖关系，同时将多分数阶积分处理后的数据作为注意力机制的输入，增强变化卷积网络长距离的重要特征提取能力。其次，所述方法中变换卷积网络用于挖掘超级电容容量数据中的深层特征。所述多分数阶积分注意卷积的超级电容剩余寿命分类方法能捕捉超级电容充放电容量数据中的时序依赖关系，增强特征提取能力，提高超级电容剩余使用寿命预测准确率。

本发明授权一种多分数阶积分注意卷积的超级电容剩余寿命分类方法在权利要求书中公布了：1.一种多分数阶积分注意卷积的超级电容剩余寿命分类方法，其特征在于，将超级电容剩余使用寿命分成寿命区间，进行分类预测，减少在超级电容的退化早期因容量数据变化不明显带来的预测误差，同时在超级电容的退化晚期，在预测即将失效的超级电容剩余使用寿命时，减少因为预测误差给电力系统带来的大规模损失；使用多分数阶积分方法处理在实验中采样的超级电容充放电容量数据，捕获超级电容容量数据中的时序依赖关系，同时将多分数阶积分处理后的数据作为注意力机制的输入，增强变化卷积网络长距离的重要特征提取能力；使用变换卷积网络挖掘数据中的深层特征，增强分类能力； 在使用过程中的步骤为： 步骤1：获取超级电容充放电容量数据，获取方法为：首先在一次完整的充放电循环中每秒记录一次充电容量或者放电容量，得到一个循环的充放电容量数据；然后在一个循环的充放电容量数据中等效采样n次，得到一个循环的充放电容量序列，单个循环的充放电容量序列描述为： Ak＝[a1,ka2,k...an,k]1 其中，Ak为第k次循环时采样的充放电容量序列，k为循环次数的索引序号，a1,k、a2,k和an,k分别为第k次循环时第1次采样值、第2次采样值和第n次采样值，1、2和n均为采样次数；接着将每连续m次循环的充放电容量序列生成一个采样样本，直到超级电容的剩余使用寿命首次下降到失效阈值；单个采样样本描述为： 其中，ωi为第i个采样样本，i为样本个数索引序号，a1,k+1、a2,k+1和an,k+1分别为第k+1次循环时第1次采样值、第2次采样值和第n次采样值，a1,k+m-1、a2,k+m-1和an,k+m-1分别为第k+m-1次循环时第1次采样值、第2次采样值和第n次采样值，m为循环次数的索引序号； 步骤2：使用多分数阶积分方法处理步骤1中采样的超级电容充放电容量数据样本，所述多分数阶积分处理方法的内容为：对单个采样样本ωi中的每一个充放电容量序列进行λ1、λ2、…λh阶积分处理，其中，λ1、λ2和λh均为分数阶的阶次，h为进行分数阶计算的总个数，得到多分数阶积分处理后的多分数阶积分特征样本θi： 其中，ψ为分数阶离散积分运算函数，ψAk,λ1、ψAk,λ2和ψAk,λh分别为第k次循环中充放电容量序列的λ1、λ2和λh阶积分，ψAk+1,λ1、ψAk+1,λ2和ψAk+1,λh分别为第k+1次循环中充放电容量序列的λ1、λ2和λh阶积分，ψAk+m-1,λ1、ψAk+m-1,λ2和ψAk+m-1,λh分别为第k+m-1次循环中充放电容量序列的λ1、λ2和λh阶积分；在多分数阶积分特征样本中，各元素按照以下分数阶离散积分运算函数进行计算： 其中，τ为采样间隔，Γ为伽马函数，Γ2-λh表示自变量为2-λh的伽马函数值，和均为对应采样点的λh阶系数，an,k、az,k和a1,k均为第k次循环时的采样点，z为采样次数的索引序号，∑为求和符号；所述伽马函数的计算方法为： 其中e为自然对数函数的底数，t为自变量；所述采样点的λh阶系数的计算通式为： 其中，l为采样点索引序号； 步骤3：将采样数据样本ωi转化为采样图片样本，单个采样图片样本的大小为m×n×3，然后将采样图片样本的大小调整为224×224×3以匹配网络模型的输入大小，接着将调整大小后的采样图片样本输入到多分数阶积分注意卷积网络中进行分类预测；同时将多分数阶积分特征数据样本θi转化为图片样本，单个多分数阶积分图片样本的大小为h×n×3，然后将多分数阶积分处理图片样本作为注意力模块的输入，增强网络长距离的重要特征提取能力；输出预测结果； 所述多分数阶积分注意卷积网络模型的结构为： 输入采样样本； 接入1个步长为2通道数为72的2×2卷积； 再接入3个通道数为72的变换卷积模块； 再接入1个步长为2通道数为144的2×2卷积； 再与经过调整大小为28×28×144的多分数阶积分特征样本相加； 再接入3个通道数为144的变换卷积模块； 再接入1个步长为2通道数为288的2×2卷积； 再与经过调整大小为14×14×288的多分数阶积分特征样本相加； 再接入12个通道数为144的变换卷积模块； 再接入1个步长为2通道数为576的2×2卷积； 再与经过调整大小为7×7×576的多分数阶积分特征样本相加； 再接入3个通道数为576的变换卷积模块； 再接入1个全局平均池化； 再接入2个全连接层； 再接入1个分类层； 输出； 所述变换卷积模块的结构为： 输入； 分为3个分支； 分支1为输入不经过任何处理； 分支2为接入1个1×1卷积； 分支3为接入1个1×1卷积； 再接入1个3×3深度可分离卷积；再将分支2和分支3进行点乘； 再接入1个1×1卷积； 再与分支1相加； 输出。

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广西大学，其通讯地址为：530004 广西壮族自治区南宁市西乡塘区大学东路100号广西大学；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。