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！

龙图腾网获悉北京理工大学申请的专利一种基于LSTM和高斯过程回归的锂电池剩余寿命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：CN116559679B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202310706419.8，技术领域涉及：G01R31/367；该发明授权一种基于LSTM和高斯过程回归的锂电池剩余寿命估计方法是由魏中宝;方镇都;阮浩凯;何洪文设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本一种基于LSTM和高斯过程回归的锂电池剩余寿命估计方法在说明书摘要公布了：本发明公开了一种基于LSTM和高斯过程回归的锂电池剩余寿命估计方法，包括：通过实验获取锂电池的原始数据，定义健康状态SOH以及电池的剩余寿命，处理数据；基于滑动窗口法构建输入输出，划分数据集；搭建LSTM网络，在训练集上训练并优化超参数；将训练数据集最后一个窗口数据输入到训练好的LSTM模型中进行滑动预测，直至电池失效；将LSTM网络的预测结果输入高斯过程回归模型作为其均值函数，使用高斯过程回归输出电池SOH的预测值，计算电池剩余寿命。本发明通过结合LSTM网络以及高斯过程回归模型，结合LSTM的长期预测能力以及高斯过程回归输出的概率信息，提高了电池剩余寿命预测准确性，还输出了电池剩余寿命预测中的不确定性。

本发明授权一种基于LSTM和高斯过程回归的锂电池剩余寿命估计方法在权利要求书中公布了：1.一种基于LSTM和高斯过程回归的锂电池剩余寿命估计方法，其特征在于：包括以下步骤： S1.通过实验获取锂电池的原始数据，定义健康状态SOH，处理数据； S2.基于滑动窗口法构建输入输出，划分数据集； 包括以下子步骤： S201.将预处理后的健康状态数据表示为，其中表示第个循环的； S202.使用滑动窗口法构建输入输出，首先定义一个大小为的窗口，第个窗口如下所示： 2 则定义寿命预测模型的输入输出如下所示： 3 S203.划分数据集，按照比例将划分为训练集和测试集； 4； S3.搭建LSTM网络，在训练集上训练并优化超参数； S4.将所述训练集最后一个窗口数据输入到训练好的LSTM模型中进行滑动预测，直至电池失效； 具体做法是基于S202中的定义，以为输入，得到预测值，以构建输入网络继续预测，如此循环预测直到电池失效，如下所示： 9 其中小于等于70%； S5.将LSTM网络的预测结果输入高斯过程回归模型作为其均值函数，使用高斯过程回归输出电池SOH的预测值，计算电池剩余寿命；包括以下子步骤： S501.定义高斯过程，高斯过程由均值函数以及核函数定义，均值函数采用步骤S4中LSTM的预测值，核函数包括SquaredExponential；高斯过程回归定义如下： 10 其中： 11 为超参数，通过最小化负对数边际似然函数求解： 12 超参数求解后即完成高斯过程回归模型的训练，模型的预测值及预测值的方差如下： 13 S502.通过LSTM和高斯过程回归的融合模型求得电池的预测值后，计算电池失效时其对应循环的预测值与当前循环的差值即得到电池剩余寿命的预测值。

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北京理工大学，其通讯地址为：100086 北京市海淀区中关村南大街5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。