買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉電子科技大學申請的專利一種基于Transformer編碼層的可解釋的電池壽命預測方法（BLP-Transformer）獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117009749B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311028314.8，技術領域涉及：G06F18/10；該發明授權一種基于Transformer編碼層的可解釋的電池壽命預測方法（BLP-Transformer）是由武暢;劉思言;張穎;黃宇航;王宏;杜小琦設計研發完成，并于2023-08-15向國家知識產權局提交的專利申請。

本一種基于Transformer編碼層的可解釋的電池壽命預測方法（BLP-Transformer）在說明書摘要公布了：本發明提出了一種基于Transformer編碼層的可解釋的電池壽命預測方法BLP?Transformer，包括以下步驟：S1：基于電池相關數據，對數據進行預處理；S2：將數據輸入到具有可解釋性的電池壽命預測算法BLP?transformer結構中，對輸入數據集進行特征提取，生成特征選擇掩碼；S3：模型基于特征選擇掩碼，結合數據的位置編碼信息進行學習與編碼，得到已編碼序列；S4：對已編碼序列進行線性變換與解碼，得到電池壽命的預測結果；S5：結合預測結果，對多步特征選擇掩碼進行聚合，量化特征重要性，得到模型的可解釋性。本發明提供了一種具有可解釋性的電池壽命預測方法，通過該方法可以得到電池壽命的預測結果與對結果的可解釋性，有助于提高模型的準確性。

本發明授權一種基于Transformer編碼層的可解釋的電池壽命預測方法（BLP-Transformer）在權利要求書中公布了：1.一種基于Transformer編碼層的可解釋的電池壽命預測方法BLP-Transformer，其特征在于，包括以下步驟： S1：基于電池相關數據，對數據進行預處理； S2：將數據輸入到具有可解釋性的電池壽命預測算法BLP-transformer結構中，對輸入數據集進行特征提取，生成特征選擇掩碼； S3：模型基于特征選擇掩碼，結合數據的位置編碼信息進行學習與編碼，得到已編碼序列，其特征在于，所述步驟S3包括以下子步驟： S31、針對S2生成的特征數據序列，利用不同頻率的正弦和余弦函數計算其相對位置信息； S32、將特征數據序列與其相對位置信息結合，得到待學習序列； S33、將待學習序列輸入到多層前饋神經網絡中，完成對數據集的學習，并生成經模型學習后的數據序列； S34、將步驟S33生成的數據序列進行歸一化處理，并與S32生成的待學習序列結合，形成數據的編碼序列； S4：對已編碼序列進行線性變換與解碼，得到電池壽命的預測結果； S5：結合預測結果，對多步特征選擇掩碼進行聚合，量化特征重要性，得到模型的可解釋性，其特征在于，所述步驟S5包括以下子步驟： S51、將每個決策步中的特征選擇掩碼與S4步驟輸出的預測數據聚合至模型中的聚合模塊；聚合模塊首先對特征選擇掩碼進行分析，以確定一個決策步中的所有特征對全局的整體貢獻；其計算公式為： ηi＝LeakyReLUdout[i] 其中dout[i]表示第i步決策的輸出特征，ηi表示在第i個決策步中的所有特征對全局的整體貢獻； ηi值越大，則說明該步決策對模型的貢獻越大； S52、基于一個決策步中所有特征對全局的整體貢獻，聚合模塊對該步的某個特征進一步分析，以明確某一特征在全局模型中的累計貢獻；對應計算公式如下： 其中Maski[j]表示樣本在第i個決策步中，第j個特征量對決策的貢獻度；Maskagg表示每個特征在全局模型中的累計貢獻； S53、對每個特征在全局模型中的累計貢獻值Maskagg歸一化處理，得到全局特征值的重要性指標feature_importance，即得到模型的可解釋性；其計算公式為： featureimportance＝NormMaskagg。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人電子科技大學，其通訊地址為：611731 四川省成都市高新區（西區）西源大道2006號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。