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！

龍圖騰網獲悉深圳市立泰能源科技有限公司;東莞市立泰科技有限公司申請的專利一種基于深度學習的船用鋰電BMS控制方法及系統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：CN120109332B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202510592992.X，技術領域涉及：H01M10/42；該發明授權一種基于深度學習的船用鋰電BMS控制方法及系統是由劉婷;朱三福;陳鋒設計研發完成，并于2025-05-09向國家知識產權局提交的專利申請。

本一種基于深度學習的船用鋰電BMS控制方法及系統在說明書摘要公布了：本發明涉及鋰電池管理系統技術領域，公開了一種基于深度學習的船用鋰電BMS控制方法及系統，其中，一種基于深度學習的船用鋰電BMS控制方法包括：構建環境層、系統層和故障層的三層因果結構；利用多環境數據和梯度懲罰的不變風險最小化算法學習穩定因果結構；基于互信息理論評估因果邊強度，提取穩定因果骨架；通過反事實數據生成技術構建跨環境增強數據集；構建元學習框架實現模型對新環境的快速適應；本發明解決了船用鋰電池在全球不同海域環境下故障診斷的泛化難題，提高了故障根因識別準確率，降低誤診率，實現對新環境的快速適應。

本發明授權一種基于深度學習的船用鋰電BMS控制方法及系統在權利要求書中公布了：1.一種基于深度學習的船用鋰電BMS控制方法，其特征在于，包括以下步驟： 構建包含環境層、系統層和故障層的三層因果結構，形成層次化因果圖，環境層變量包括海域類型、海況狀態、氣候條件、航行任務和船舶負載狀態；系統層變量包括電池組電壓、單體電壓、充放電電流、表面溫度、內部溫度、荷電狀態和健康狀態；故障層變量包括過充、過放、內短路、外短路、熱失控、絕緣失效和平衡電路故障； 基于層次化因果圖，利用多環境數據和梯度懲罰的不變風險最小化算法，學習穩定的因果結構，不變風險最小化目標函數為： ； 其中，表示對所有環境的損失函數求和，并尋找使這個總損失最小化的模型參數；表示模型在環境下的損失函數；表示損失函數關于系統層參數的梯度；為梯度懲罰權重系數，用于平衡經驗風險和不變性約束；表示模型的全部參數；表示所有環境的集合；表示對所有環境的求和；表示范數的平方，用于度量梯度的大小； 對學習得到的穩定因果結構，基于互信息理論，評估因果邊的強度，提取穩定的因果骨架，計算因果邊的強度為： ； 其中，表示從變量到變量的因果邊強度；表示變量和之間的互信息，用于量化兩個變量之間的相互依賴程度；表示在變量的所有父節點中取最大值；表示變量的所有父節點集合；表示變量的父節點集合中排除變量后的集合；表示在給定變量條件下和之間的條件互信息； 基于提取的穩定因果骨架，通過反事實數據生成技術，構建跨環境的增強數據集，反事實數據生成器生成反事實樣本，其中為原始數據，為環境變量，為干預指標，指定干預的變量和目標值，表示反事實數據生成器函數，表示生成的反事實樣本； 利用構建的跨環境增強數據集，構建元學習框架，實現模型對新環境的快速適應，內循環適應通過梯度下降更新參數： ； 其中，表示新的環境；表示新環境下的支持集數據；表示模型的初始參數；表示經過內循環適應后的更新參數，已針對新環境進行了調整；表示內循環學習率，控制參數更新的步長大小，影響模型適應的速度和穩定性；表示關于參數的梯度算子，用于計算損失函數對參數的偏導數；表示元學習損失函數； 外循環優化通過元優化更新初始參數： ； 其中，表示新環境下的查詢集數據；表示元學習模型的初始參數；表示經過內循環適應后的模型參數；表示外循環學習率，控制外循環優化的步長大小；表示關于參數的梯度算子，用于計算損失函數對參數的梯度；表示元學習損失函數，用于評估模型在查詢集上的性能；表示參數更新操作，將右側計算結果賦值給左側變量。

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深圳市立泰能源科技有限公司;東莞市立泰科技有限公司，其通訊地址為：518100 廣東省深圳市寶安區西鄉街道勞動社區西鄉大道和寶源路交匯處中央大道D座14A；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”。