基于经验模态分解及数据融合驱动的锂电池容量预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明提供的基于经验模态分解及数据融合驱动的锂电池容量预测方法,包括步骤S1,获取某锂电池的历史容量退化数据,形成源数据集;步骤S2,利用经验模态分解对源数据集进行迭代筛选,将其历史容量退化数据分解为残差序列和多个本征模态函数;步骤S3,构建长短期记忆神经网络源预测模型,利用步骤S2得到的残差序列和本征模态函数数据对该构建的源预测模型进行预训练;步骤S4,对预训练完成的源预测模型进行参数微调实现迁移学习,得到最优预测模型;步骤S5,利用步骤S4得到的最优预测模型预测目标锂电池的未来容量。本发明可以有效预测锂电池的未来容量与剩余寿命。
《基于经验模态分解及数据融合驱动的锂电池容量预测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2025100257288,当前法律状态为已下证,由湖南大学提出申请,发明人为帅智康;彭平;彭也伦;肖童星;谢础屹;周柯,申请日期为2025-01-08,公开(公告)日期为2025-04-01,国际专利分类号(IPC)为 G06F 30/27 (2020.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。专利114 作为出让方直接签约,提供权利核验、合同拟定、评审用证明材料整理与国家知识产权局著录项目变更代办,个人与企业采购均可办理。用于职称或落户时,建议先确认当地对专利类型、授权时间与申请人身份的具体要求,我们可协助逐条比对,避免买了用不上。专利摘要:本发明提供的基于经验模态分解及数据融合驱动的锂电池容量预测方法,包括步骤S1,获取某锂电池的历史容量退化数据,形成源数据集;步骤S2,利用经验模态分解对源数据集进行迭代筛选,将其历史容量退化数据分解为残差序列和多个本征模态函数;步骤S3,构建长短期记忆神经网络源预测模型,利用步骤S2得到的残差序列和本征模态函数数据对该构建的源预测模型进行预训练;步骤S4,对预训练完成的源预测模型进行参数微调实现迁移学习,得到最优预测模型;步骤S5,利用步骤S4得到的最优预测模型预测目标锂电池的未来容量。本发明可以有效预测锂电池的未来容量与剩余寿命。
本专利适配多类个人与企业需求:职称评审中的业绩与成果材料、人才引进与积分落户的知识产权加分、行业资质与科技项目申报、企业高企认定与技术储备。专利权人为官方登记主体,法律状态可核验,转让后提供专利证书与登记簿副本,可直接装订进评审或申报材料。
