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！

龙图腾网获悉沈阳航空航天大学申请的专利一种新能源飞机锂电池健康状况的深度学习跨域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：CN116298916B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310274195.8，技术领域涉及：G01R31/367；该发明授权一种新能源飞机锂电池健康状况的深度学习跨域预测方法是由张微;朱亚菲;张业伟;李响设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本一种新能源飞机锂电池健康状况的深度学习跨域预测方法在说明书摘要公布了：本发明设计一种新能源飞机锂电池健康状况的深度学习跨域预测方法，属于人工智能和航空技术领域；首先收集电池循环过程的放电电流数据，提取该电池所有的SOH按时间顺序进行排列，得到该电池的SOH时间序列；然后确定电池的源域和目标域；以卷积神经网络为预测模型的框架，对其进行训练，能够很好的反映不同电池类别间的差异，在优化过程中能够弥补这种差异，进而得到同时符合多种电池健康状态指标的预测模型；实现对电池跨域健康状态指标的预测；本发明技术方案具有低复杂性、强稳健性等优点。

本发明授权一种新能源飞机锂电池健康状况的深度学习跨域预测方法在权利要求书中公布了：1.一种新能源飞机锂电池健康状况的深度学习跨域预测方法，其特征在于，具体包括以下步骤： 步骤1：收集电池循环过程的放电电流数据，提取该电池所有的SOH按时间顺序进行排列，得到该电池的SOH时间序列，反映电池的健康状态； 步骤2：确定电池的源域和目标域；含有预测结果标签的一类电池被划分为用于训练的源域数据，该类电池的SOH数据将作为神经网络架构的输入和输出，做为训练的依据；不含有预测结果标签的另一类电池则做为目标域用于验证和神经网络学习该目标域特征的依据； 步骤3：以卷积神经网络为预测模型的框架，解决电池不同领域间健康指标的预测问题； 步骤4：对神经网络进行反向传播计算，并计算其损失函数，对神经网络进行评价，完成神经网络框架的训练，得到预测模型，实现对电池跨域健康状态指标的预测； 步骤3所述框架表述如下： 首先，由步骤1提取得到的一段电池SOH的历史时间序列做为神经网络的输入；该时间序列表示为x=[,，…,]，其中N表示输入时间序列的长度；而卷积运算由长度为的滤波核w完成，按照时间顺序从时间序列x截取一个长度为的时间序列，表示为： 2 对时间序列进行卷积操作，其过程表示为： 3 其中*T为对矩阵*进行转置，W和b分别代表权重项和偏置项；φ为非线性激活函数，选择LeakyReLU作为激活函数，表示为： 4 相较于ReLU函数，LeakyReLU函数采取给负值输入部分一个非常小的线性分量的方法来解决对负值的零梯度问题；通常α为一较小数值； 将滤波窗口从参与卷积运算的SOH时间序列样本数据的第一个点滑动到最后一个点，得到第j个滤波器的特征图，表示为： 5 为了进一步加深神经网络的层数，输出将继续作为网络下一层的输入进行传输，直到获得最终的网络输出值y，代表着电池未来一个充放电循环测试时的SOH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沈阳航空航天大学，其通讯地址为：110136 辽宁省沈阳市道义经济开发区道义南大街37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。