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！

龙图腾网获悉电子科技大学申请的专利基于自注意力机制的锂电池寿命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：CN118033454B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202410106297.3，技术领域涉及：G01R31/392；该发明授权基于自注意力机制的锂电池寿命预测方法是由邱根;高明轩;陈艺天;王敏;陈凯;程玉华;刘震;马文建设计研发完成，并于2024-01-24向国家知识产权局提交的专利申请。

本基于自注意力机制的锂电池寿命预测方法在说明书摘要公布了：本发明公开了一种基于自注意力机制的锂电池寿命预测方法，先构建基于自注意力机制的跨周期特征提取网络，然后使用采集的数据集训练网络，直至收敛；根据收敛后的网络预测待测锂电池的寿命时，利用多头注意力机制提取特征，再采用交叉注意力方法进行特征融合，然后根据融合后的特征，使用多层感知机进行预测锂电池寿命，从而这样便获得更全面的锂电池老化特征，使预测的更加精确。

本发明授权基于自注意力机制的锂电池寿命预测方法在权利要求书中公布了：1.一种基于自注意力机制的锂电池寿命预测方法，其特征在于，包括以下步骤： 1、数据采集及预处理； 1.1、数据采集； 加速M个锂电池的寿命实验，直至锂电池容量达到失效阈值C，在实验过程中采集每个锂电池在每个充放周期内的特征数据，以及每个充放周期结束时的放电容量； 记第k个锂电池在第i个充放周期内的特征数据为k∈[1,M]，n表示一个充放周期内采集特征数据的数量，表示第j个时刻采集的特征数据，分别表示第j个时刻采集的电压、电流和温度； 记第k个锂电池在第i个充放周期结束时的放电容量为那么第k个锂电池在整个寿命实验中采集到的放电容量组成放电容量序列表示为N为第k个锂电池的充放周期数； 1.2、数据预处理； 1.2.1、记第k个锂电池在寿命实验中采集到的完整特征数据为 1.2.2、采用平均梯度平滑滤波器对Xk进行平滑滤波处理，然后进行线性插值并归一化处理； 2、构建基于自注意力机制的跨周期特征提取网络； 基于自注意力机制的跨周期特征提取网络包括：周期内特征提取网络、周期间特征提取网络和特征融合及预测网络； 其中，周期内特征提取网络又包括：输入层、拼接层、位置编码层、串行的transformer模块、特征提取及处理层、归一化及线性处理层和输出层；transformer模块又包括归一化层、多头自注意力模块和前馈网络；前馈网络采用对称的两层线性层； 周期间特征提取网络又包括：输入层、多层感知机、拼接层、串行的transformer模块、多头自注意力模块、特征提取及处理层、归一化及线性处理层和输出层； 特征融合及预测网络采用交叉注意机制的多头自注意力模块； 3、训练基于自注意力机制的跨周期特征提取网络； 3.1、训练周期内特征提取网络； 3.1.1、在第k个锂电池的完整特征数据进行预处理后，取前m个充放电周期内的电压、电流和温度数据组成三维特征矩阵P； 其中，分别表示第k个锂电池在第m个充放电周期内的电压、电流、温度向量； 3.1.2、将三维特征矩阵P通过输入层输入至周期内特征提取网络，然后在拼接层中随机生成一个1×m的向量，并将向量转置后拼接在矩阵P的最前端，得到大小为m×4的矩阵E； 3.1.3、位置编码层使用随机位置编码矩阵P对矩阵E进行编码，得到矩阵Zp； Zp＝E+P 3.1.4、在N1层的串行transformer模块中，矩阵Zp经过一层归一化处理得到 随后基于多头注意力机制对进行处理，具体处理过程如下： 将通过三层并行的线性层变换，记三层线性层的变换结果分别为A、B、C； 将三组变换结果进行多头注意力运算处理： 将三组变换结果A，B，C分别输入至并行的多个点积注意力模块，每个点积注意力模块的运算如下： 其中，input_dim表示矩阵Zp的维度； 将所有点积注意力模块的运算结果进行拼接后通过线性层变换处理，得到与矩阵Zp相同维度的变换矩阵 多头注意力运算处理完成后，将与Z相加后得到输出Z'，Z'经过一层归一化处理后输入至前馈网络，通过前馈网络提取Z'的特征，最后再与Z'相加后作为下一个transformer模块的输入，最终得到最后一个transformer模块的输出矩阵为transformer模块的数量； 3.1.5、将矩阵输入至特征提取及处理层后，提取矩阵的第一行，记为序列H，然后为序列H附上可学习权重矩阵W，从而得到矩阵F ＝W·H 3.1.6、将矩阵F经过归一化及线性处理层后，得到二维向量F，最后通过输出层将二维向量F输入至特征融合及预测网络； 3.2、训练周期间特征提取网络； 3.2.1、在第k个锂电池的放电容量序列Q中，取前m个充放电周期内的放电容量，记为 3.2.2、将序列通过输入层输入至多层感知器机，通过多层感知器处理后输出矩阵Ak； 3.2.3、在拼接层中随机生成一个1×m的向量，并将向量转置后拼接在矩阵Ak的最前端，得到矩阵然后通过随机位置编码矩阵P对矩阵进行编码，得到矩阵 3.2.4、在N2层的串行transformer模块中，按照步骤3.1.4的方法对矩阵进行处理，设最后一个transformer模块的输出为矩阵N2为transformer模块的数量； 3.2.5、按照步骤3.1.4中的基于多头注意力机制对矩阵再次处理，得到多头注意力运算处理后的最终输出矩阵HS； 3.2.6、按照步骤3.1.5～3.1.6的方法对矩阵HS进行特征提取和归一化及线性变换，最终得到周期间特征提取网络输出的二维向量F2，并输入至特征融合及预测网络； 3.3、训练特征融合及预测网络； 采用交叉注意机制对F1和F2进行多头注意力处理，处理过程如下： 将F1通过一层线性层变换，变换结果记为A； 将F2分别通过两层并行的线性层变换，变换结果记为B、C； 按照步骤3.1.4的方法将三组变换结果A、B、C进行多头注意力运算处理，从而预测出第k个锂电池在第m+1至第N个充放电周期结束时的放电容量 比较中各个充放电周期结束时的放电容量与失效阈值C的大小，统计大于失效阈值C的充放电周期数，作为第k个锂电池的剩余寿命； 3.4、按照步骤3.1～3.4的方法反复训练基于自注意力机制的跨周期特征提取网络，直至模型收敛； 4、待测锂电池的寿命预测； 实时采集待测锂电池在前m个充放电周期内的特征数据和每个充放周期结束时的放电容量，进行预处理后输入至训练完成的基于自注意力机制的跨周期特征提取网络，从而输出待测锂电池在后续充放电周期结束时的放电容量，然后统计放电容量大于失效阈值C的充放电周期数，进而确定待测锂电池的寿命。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。