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！

龙图腾网获悉洛阳理工学院申请的专利基于趋势滤波分解的电池健康估计方法及电子设备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：CN121679399B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610195082.2，技术领域涉及：G01R31/392；该发明授权基于趋势滤波分解的电池健康估计方法及电子设备是由景太龙;武超;伊竟广;孙泽宇;赵艳花;郑玉丽;陈利娜;张扬;王茹珍;张浩;李远谋;朱梦春设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本基于趋势滤波分解的电池健康估计方法及电子设备在说明书摘要公布了：本发明公开了一种基于趋势滤波分解的电池健康估计方法及电子设备，属于新能源动力电池健康管理领域。该方法包括对锂离子电池老化数据进行预处理；采用趋势滤波分解技术对电池衰减序列进行分解，并引入粒计算中的合理粒度准则动态优化滤波参数，构建反映电池老化物理意义的特征案例库；构建融合Dropout正则化模块的长短期记忆网络模型，通过在网络训练中随机丢弃神经元输出以抑制过拟合；将案例库输入优化后的网络模型进行训练与迭代，最终实现锂离子电池健康状态的高精度估计。本发明能够自适应提取电池衰减本质趋势，提升特征可解释性，并增强模型泛化能力，从而显著提高电池健康状态预测的准确性与鲁棒性。

本发明授权基于趋势滤波分解的电池健康估计方法及电子设备在权利要求书中公布了：1.基于趋势滤波分解的电池健康估计方法，其特征在于，包括以下步骤： S1、对原始锂离子电池老化数据进行预处理； S2、对预处理后的数据采用趋势滤波算法进行电池数据分解，提取电池数据中的老化特征；其中，趋势滤波的正则化参数通过粒计算中的合理粒度准则进行动态优化，并基于该优化参数对序列进行迭代分解，直至分量的熵值达到设定条件，将分解得到的各分量存入特征案例库； S3、构建正则化长短期记忆网络模型，将Dropout正则化操作嵌入LSTM单元的内部计算过程中，以前一时刻的隐藏状态经Dropout操作后的结果作为当前时刻的门控计算，在训练过程中随机丢弃部分神经元连接，以提升模型的泛化能力； S4、将特征案例库的数据输入所述正则化长短期记忆网络模型进行训练，通过调整模型超参数进行优化，得到训练好的最优预测模型，利用最优预测模型对锂电池的健康状态及剩余使用寿命进行估计； 其中，步骤S2包括： S21、计算趋势滤波算法中正则化参数的选择范围，其中为并逐渐增大过程中，将电池衰减序列整体划分为一个信息粒时所对应的临界值； S22、基于粒计算中的合理粒度准则，在所述选择范围内确定参数最优值，此时合理粒度准则的综合评价函数取得最大值； S23、取参数最优值，趋势滤波算法对电池衰减序列X进行分解，得到分量，当某个分量的熵值高于设定阈值时，X序列分解结束，得到m个分量和残差； S24、将分解得到的各分量置入特征案例库，用于模型训练和测试；残差为白噪声，不存入特征案例库； 所述综合评价函数为： 其中，为覆盖率，与生成的信息粒个数s成反比，； 为特殊性，与信息粒的离散度相关， 的选择范围内，当取得最大值时，对应的即为参数最优值

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洛阳理工学院，其通讯地址为：471023 河南省洛阳市洛龙区王城大道90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。