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！

龙图腾网获悉合肥工业大学申请的专利基于深度强化学习的锂电池组装线预测性维护方法及系统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：CN121258490B 。

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：202511833196.7，技术领域涉及：G06Q10/20；该发明授权基于深度强化学习的锂电池组装线预测性维护方法及系统是由陆效农;廖琛;彭张林;郑锐;朱克毓;禹均燚;吴莹莹设计研发完成，并于2025-12-08向国家知识产权局提交的专利申请。

本基于深度强化学习的锂电池组装线预测性维护方法及系统在说明书摘要公布了：本发明提供一种基于深度强化学习的锂电池组装线预测性维护方法及系统，涉及深度强化学习技术领域。根据锂电池组装线上设备的当前健康度、上下游缓冲区的在制品装载度、运行状态和维护任务剩余持续时间，构建设备的状态向量；将所有设备的状态向量输入至全局协调器，得到全局上下文向量；将每个设备的状态向量和全局上下文向量输入至设备对应的智能体中，得到局部预测性动作决策；将局部预测性动作决策转化为设备动作进行执行。全局协调器的引入有效消除多设备决策间的冲突，使维护决策基于整线状态而非孤立设备，智能体结合自身状态与全局上下文进行本地化决策，既保留设备个体特性又避免盲目维护，实现预测性维护在最优时机实施。

本发明授权基于深度强化学习的锂电池组装线预测性维护方法及系统在权利要求书中公布了：1.一种基于深度强化学习的锂电池组装线预测性维护方法，其特征在于，包括： 判断设备的当前健康度是否小于健康度阈值或设备的随机故障概率是否大于故障概率阈值； 若所述当前健康度小于健康度阈值或随机故障概率大于故障概率阈值，则进行纠正性维护； 若所述当前健康度大于或等于健康度阈值或随机故障概率小于或等于故障概率阈值，则预测是否进行预测性维护； 根据锂电池组装线上设备的当前健康度、上游缓冲区的在制品装载度、下游缓冲区的在制品装载度、运行状态和维护任务剩余持续时间，构建设备的状态向量，其中，锂电池组装线包括多个设备和多个缓冲区； 将所有设备的状态向量输入至训练后的深度强化学习模型的全局协调器中，得到全局上下文向量，所述深度强化学习模型包括配备在设备上的多个智能体和一个全局协调器，所述锂电池组装线上的每个设备对应配备有一个智能体； 将每个设备的状态向量和全局上下文向量输入至设备对应的智能体中，得到局部预测性动作决策，其中，所述局部预测性动作决策包括0和1,0表示不进行维护动作，1表示进行预测性维护动作； 将局部预测性动作决策转化为设备维护动作进行执行； 所述锂电池组装线包括正极切卷设备、负极切卷设备、极耳预焊设备、连接片焊设备、盖板焊设备和顶盖全焊设备； 所述正极切卷设备和负极切卷设备的健康度模型为 其中，表示第台设备在时刻的健康度；为衰减率常数；为在时刻正负极切卷设备的卷绕对齐偏差，设备的初始卷绕对齐偏差为0；为故障临界偏差；为设备持续工作时长，表示设备从上一次维护直到时刻持续工作的时长； 所述极耳预焊设备和连接片焊设备的健康度模型为 其中，表示设备在时刻的焊头磨损度，焊头的初始磨损度为0；为磨损敏感系数； 所述盖板焊设备和顶盖全焊设备的健康度模型为 其中，为功率不稳定惩罚系数；为第台设备在时刻的实际输出功率；为第台设备的设定功率值。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。