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！

龙图腾网获悉北京航空航天大学申请的专利一种基于自适应贝叶斯深度学习的健康状态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：CN116796258B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202310753036.6，技术领域涉及：G06F18/2415；该发明授权一种基于自适应贝叶斯深度学习的健康状态预测方法是由孙博;潘俊林;吴泽豫;王自力;冯强;任羿;杨德真设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本一种基于自适应贝叶斯深度学习的健康状态预测方法在说明书摘要公布了：本发明涉及一种多源不确定性下基于自适应贝叶斯深度学习的健康状态预测方法。在贝叶斯深度学习框架中引入自适应的无模型model‑free技术以充分发挥预测模型的能力。首先采用了一种model‑free的暂退dropout方法来量化认知不确定性，该方法可以自动学习dropout率和分布类型，更好地捕捉高度非线性的退化特征；其次，采用任意多项式混沌展开arbitrarypolynomialchaosexpansion,aPc方法来量化随机不确定性，该方法可以避免了从有限的样本或稀疏的信息中引入额外的主观性到假定分布中；最后，提出了一个基于自适应贝叶斯深度学习的健康状态预测框架，利用变分推理方法构建网络损失函数并开展训练，以model‑free的方式统一量化认知不确定性和随机不确定性，从而同时开展健康状态的均值预测和区间预测。

本发明授权一种基于自适应贝叶斯深度学习的健康状态预测方法在权利要求书中公布了：1.一种基于自适应贝叶斯深度学习的健康状态预测方法，其特征在于，包括以下步骤： 步骤1：针对多维输入特征和一维健康状态表征量的数据集，对于锂电池健康状态预测，多维输入特征为恒流充电时间和等压降时间特征数据，一维健康状态表征量为锂电池健康状态，为时序样本长度，划分为训练集、测试集、验证集，对数据集进行归一化处理； 步骤2：对于一个层深度神经网络，定义第层有个神经元，第个神经元对应暂退掩码dropoutmask参数相关的中间隐变量和映射函数； 步骤3：通过中间隐变量和映射函数对dropoutmask参数进行建模，使其分布类型随着数据而自适应改变； 步骤4：对dropoutmask的参数先验分布进行建模，利用最大似然估计方法开展参数估计； 步骤5：计算添加dropoutmask后的网络权重参数，构建变分推理中的变分分布； 步骤6：根据数据集，构建多变量多项式输出模型； 步骤7：对于输出模型中的多项式系数，采取Galerkin投影法或者随机响应面法进行求解；对于输出模型中的多维正交基函数，为维随机变量，利用任意多项式混沌展开方法构造任意分布的正交基函数，为阶数； 步骤8：利用训练集训练aPc模型，建立多维输入特征与健康状态表征量考虑随机不确定性下的映射关系； 步骤9：对测试集开展数据增广，将增广后数据输入训练好的aPc模型，预测健康状态表征量的概率信息特征； 步骤10：构建贝叶斯深度学习下的预测分布模型，根据认知不确定性量化中的变分分布和随机不确定性量化中的分布信息特征，利用变分推理方法构建网络损失函数； 步骤11：设置网络超参数，利用dropout技术和L2正则化根据网络损失函数训练贝叶斯深度学习模型，在训练过程中利用随机梯度下降算法对参数集进行优化，得到最优的模型权重，对应变分分布用以近似后验分布，在测试阶段不关闭dropout，保留健康状态的概率特征； 步骤12：利用蒙特卡洛采样方法输出健康状态均值预测和区间预测的结果，对两类不确定性进行分解，表征总不确定性、随机不确定性和认知不确定性。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路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。