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！

龙图腾网获悉武汉纺织大学申请的专利一种基于多特征融合大模型的锂电池剩余寿命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：CN120870876B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202510880630.0，技术领域涉及：G01R31/367；该发明授权一种基于多特征融合大模型的锂电池剩余寿命预测方法是由王兆静;许添伟;杨非;胡新荣;彭涛;李丽;李浩男设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本一种基于多特征融合大模型的锂电池剩余寿命预测方法在说明书摘要公布了：本申请提供了一种基于多特征融合大模型的锂电池剩余寿命预测方法，涉及锂电池健康管理与寿命预测领域，方法包括：通过滑动窗口技术对原始数据进行分段处理，并利用KAN构建关键健康指标软测量模块，将原始数据转化为表征电池健康状态的关键指标；将锂电池的数据和关键指标拼接形成融合特征，输入到大语言模型LLM构建融合特征预测模块，通过预训练词嵌入、多头注意力机制与自然语言前缀提示，得到未来的融合特征，将未来的融合后的特征输入经过稀疏化处理的KAN，构建剩余寿命预测模型。建立与电池剩余寿命之间的回归关系，实现锂电池剩余寿命的实时预测，适用于电动汽车、储能系统等场景下锂电池的状态监测与维护决策。

本发明授权一种基于多特征融合大模型的锂电池剩余寿命预测方法在权利要求书中公布了：1.一种基于多特征融合大模型的锂电池剩余寿命预测方法，其特征在于，方法包括以下步骤： S1：获取锂电池在充放电过程中的历史多变量时间序列数据并进行处理，得到数据集；构建多特征融合大模型，包括：多特征融合大模型的模型、基于大模型的融合特征预测模块以及剩余寿命预测模块； S2：通过数据集，对基于三次样条曲线的KAN网络进行训练，得到训练后的关键健康指标软测量模块和预测的关键健康指标； S3：将数据集和预测的关键健康指标，按照特征的维度进行拼接，得到融合数据集；通过融合数据集对LLM网络进行训练，得到训练好的基于大模型的融合特征预测模块； S4：通过融合数据集，对KAN网络进行训练，得到训练好的剩余寿命预测模块； S5：获取锂电池的实时数据；通过关键健康指标软测量模块、融合特征预测模块以及剩余寿命预测模块，对实时数据进行处理，得到锂电池的剩余寿命预测结果； 步骤S5包括： S51：获取锂电池的实时数据并进行滑动窗口技术处理，输入训练好的关键健康指标软测量模块，获取第一关键健康指标；将实时数据与第一关键健康指标进行拼接，形成融合数据，输入训练好的基于大模型的融合特征预测模块，得到反映未来锂电池状态趋势的预测值；将预测值输入训练好的剩余寿命预测模块，得出锂电池未来的电池容量的预测值； S52：重复步骤S51，将持续得到的预测值与额定容量的70%进行对比，确定锂电池的剩余寿命预测结果。

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武汉纺织大学，其通讯地址为：430000 湖北省武汉市洪山区纺织路1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。