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！

龍圖騰網獲悉洛陽理工學院申請的專利基于Bayes-TLCO優化深度神經網絡的鋰電池荷電狀態估計方法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：CN120468677B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510948346.2，技術領域涉及：G01R31/367；該發明授權基于Bayes-TLCO優化深度神經網絡的鋰電池荷電狀態估計方法是由武超;李飛;楊丹楓;韓鵬程;蔣德瓏;景太龍;伊竟廣;曹向陽;李亞倩;李婧晗;溫書恒;李之楊;羅永恒設計研發完成，并于2025-07-10向國家知識產權局提交的專利申請。

本基于Bayes-TLCO優化深度神經網絡的鋰電池荷電狀態估計方法在說明書摘要公布了：本發明公開一種基于Bayes?TLCO優化深度神經網絡的鋰電池荷電狀態估計方法，屬于電池狀態監測技術領域。該方法首先對鋰電池充放電數據集進行預處理；然后構建包含卷積神經網絡、長短期記憶網絡及多頭注意力機制的深度神經網絡模型，利用貝葉斯優化輔助白蟻生命周期優化算法動態優化模型的超參數，在TLCO算法迭代過程中，當迭代停滯時引入貝葉斯優化，通過高斯過程擬合歷史數據構建搜索經驗模型，生成高價值采樣點，加速模型超參數收斂至全局最優解；最終實現對鋰電池荷電狀態的估計。本發明突破單一算法局限，在復雜工況下實現鋰電池荷電狀態高精度估算，并有效提升模型訓練效率，適用于電動汽車、儲能系統等場景，為電池管理智能化升級提供關鍵技術支撐。

本發明授權基于Bayes-TLCO優化深度神經網絡的鋰電池荷電狀態估計方法在權利要求書中公布了：1.基于Bayes-TLCO優化深度神經網絡的鋰電池荷電狀態估計方法，其特征在于，包括以下步驟： S1、對鋰電池充放電數據集進行預處理； S2、構建包含卷積神經網絡、長短期記憶網絡以及多頭注意力機制的深度神經網絡模型，所述深度神經網絡模型依次包括卷積層、BN層、池化層、展開層、平滑層、LSTM層、多頭注意力機制和全連接層； S3、采用貝葉斯優化輔助白蟻生命周期優化算法對所述深度神經網絡模型的超參數進行動態優化，在白蟻生命周期優化算法迭代過程中，當迭代停滯時引入貝葉斯優化，通過高斯過程擬合歷史數據構建用于模擬優化目標函數的代理模型，以生成高價值采樣點，加速模型超參數收斂至全局最優解； 采用貝葉斯優化輔助白蟻生命周期優化算法的動態優化包括： S31、初始化階段：初始化基礎參數；隨機初始化種群，通過神經網絡評估模塊計算種群個體適應度值；從初始化種群中篩選初始最優解Gbest，作為迭代優化的基準； S32、白蟻更新階段：按照白蟻生命周期優化算法規則，基于Lévy飛行策略，控制白蟻個體在搜索空間內更新位置，并經神經網絡評估模塊計算適應度值，獲取當前迭代下的候選解集合； S33、貝葉斯優化及繁殖階段：當迭代停滯時觸發貝葉斯優化，通過拉丁超立方采樣生成初始點，構建高斯過程代理模型擬合歷史數據，基于期望改進函數生成高價值采樣點，評估并更新全局最優解；若貝葉斯優化效果不佳且觸發超限約束時，執行白蟻繁殖流程，生成新位置并更新全局最優解； S34、重復步驟S32、S33，直至滿足迭代終止條件，輸出經動態優化后的最優超參數組合； 白蟻更新階段具體包括：針對種群個體，按占比分為工人白蟻和士兵白蟻，分別執行工人白蟻更新和士兵白蟻更新； 所述工人白蟻更新基于Lévy飛行策略計算更新位置，經神經網絡評估模塊得到適應度值；判斷適應度是否更優，若更優則保留新位置，否則標記嘗試次數并執行超限約束判斷；當迭代進度大于總迭代次數的13且觸發約束條件時，進入貝葉斯優化流程；未滿足時，若觸發超限約束則執行白蟻繁殖流程； 所述士兵白蟻更新基于最優解和Lévy飛行策略計算新位置，經神經網絡評估模塊得到適應度值；判斷適應度是否更優，若更優則保留新位置，否則執行超限約束判斷；當迭代進度大于總迭代次數的12且觸發約束條件時，進入貝葉斯優化流程；未滿足時，若觸發超限約束則執行白蟻繁殖流程； S4、將S1預處理后的數據輸入經超參數優化后的深度神經網絡模型進行訓練，通過最小化損失函數，使模型學習到鋰電池荷電狀態與輸入數據之間的映射關系，實現對鋰電池荷電狀態的估計。

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洛陽理工學院，其通訊地址為：471023 河南省洛陽市洛龍區王城大道90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”。