買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜重慶工商大學(xué)申請的專利一種構(gòu)建鋰離子電池?zé)崾Э仡A(yù)測模型的方法及預(yù)測系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114509685B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210157234.1，技術(shù)領(lǐng)域涉及：G01R31/3842；該發(fā)明授權(quán)一種構(gòu)建鋰離子電池?zé)崾Э仡A(yù)測模型的方法及預(yù)測系統(tǒng)是由姚行艷;陳國麟;曹曉莉;唐燦設(shè)計研發(fā)完成，并于2022-02-21向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種構(gòu)建鋰離子電池?zé)崾Э仡A(yù)測模型的方法及預(yù)測系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種構(gòu)建鋰離子電池?zé)崾Э仡A(yù)測模型的方法及預(yù)測系統(tǒng)，該方法包括以下步驟：對鋰離子電池進(jìn)行熱失控實(shí)驗，采集包括溫度、電壓和電流在內(nèi)的電池序列特征數(shù)據(jù)，以及聲音信號和熱成像數(shù)據(jù)；對數(shù)據(jù)進(jìn)行切片，生成歷史數(shù)據(jù)；電池狀態(tài)記為y，根據(jù)溫度閾值劃分熱失控狀態(tài)y＝1和未發(fā)生熱失控狀態(tài)y＝0；將歷史數(shù)據(jù)作為輸入，以電池?zé)崾Э禺惓顟B(tài)為標(biāo)簽，提取數(shù)據(jù)特征；計算所有數(shù)據(jù)特征的注意力權(quán)重，進(jìn)行特征融合；利用分類器得到鋰離子電池?zé)崾Э貭顟B(tài)；將歷史數(shù)據(jù)分為訓(xùn)練集和測試集輸入到模型中進(jìn)行訓(xùn)練和驗證，以準(zhǔn)確率為評判指標(biāo)判斷模型準(zhǔn)確度，從而構(gòu)建熱失控預(yù)測模型。本發(fā)明構(gòu)建的多模態(tài)模型提高了熱失控預(yù)測的準(zhǔn)確性。

本發(fā)明授權(quán)一種構(gòu)建鋰離子電池?zé)崾Э仡A(yù)測模型的方法及預(yù)測系統(tǒng)在權(quán)利要求書中公布了：1.一種構(gòu)建鋰離子電池?zé)崾Э仡A(yù)測模型的方法，其特征在于包括采集熱失控實(shí)驗數(shù)據(jù)和利用該實(shí)驗數(shù)據(jù)構(gòu)建基于神經(jīng)網(wǎng)絡(luò)的熱失控預(yù)測模型，該熱失控預(yù)測模型包括特征提取器、特征融合器和分類器，所述方法具體包括以下步驟：S1、熱失控實(shí)驗數(shù)據(jù)采集：對鋰離子電池進(jìn)行熱失控實(shí)驗，采集電池序列特征數(shù)據(jù)，以及聲音信號和熱成像數(shù)據(jù)；所述電池序列特征數(shù)據(jù)包括溫度數(shù)據(jù)、電壓數(shù)據(jù)和電流數(shù)據(jù)；S2、數(shù)據(jù)預(yù)處理：對步驟S1中采集的數(shù)據(jù)進(jìn)行切片，生成歷史數(shù)據(jù)；電池狀態(tài)記為y，設(shè)置溫度閾值，超過該閾值代表發(fā)生熱失控，y＝1，否則代表未發(fā)生熱失控，y＝0；S3、提取特征數(shù)據(jù)：將經(jīng)過步驟S2預(yù)處理的數(shù)據(jù)作為輸入，以鋰離子電池?zé)崾Э禺惓顟B(tài)為標(biāo)簽，利用所述特征提取器提取數(shù)據(jù)特征；S4、特征融合：利用所述特征融合器計算所有所述數(shù)據(jù)特征的注意力權(quán)重，進(jìn)行特征融合；S5、熱失控狀態(tài)判斷：利用所述分類器得到鋰離子電池?zé)崾Э貭顟B(tài)；S6、模型訓(xùn)練：將步驟S2中的所述歷史數(shù)據(jù)分為訓(xùn)練集和測試集，將所述訓(xùn)練集輸入到所述熱失控預(yù)測模型中進(jìn)行訓(xùn)練，輸入所述測試集進(jìn)行驗證，以準(zhǔn)確率為評判指標(biāo)判斷模型準(zhǔn)確度，從而更新熱失控預(yù)測模型；所述步驟S2中切片具體過程為：利用大小為T的滑動窗口對步驟S1采集的數(shù)據(jù)進(jìn)行切片，生成歷史電壓數(shù)據(jù)XV、電流數(shù)據(jù)XI、溫度數(shù)據(jù)XT、聲音數(shù)據(jù)XS和熱成像數(shù)據(jù)XP；所述特征提取器包括長短時記憶神經(jīng)網(wǎng)絡(luò)LSTM、一維卷積神經(jīng)網(wǎng)絡(luò)1DCNN和殘差網(wǎng)絡(luò)ResNet50；所述步驟S3中，采用長短時記憶神經(jīng)網(wǎng)絡(luò)LSTM提取電壓、電流和溫度序列數(shù)據(jù)的特征向量，分別記為hV∈RN×m、hI∈RN×m和hT∈RN×m；采用一維卷積神經(jīng)網(wǎng)絡(luò)1DCNN提取聲音信號的特征向量，記為hS∈RN×m；采用殘差網(wǎng)絡(luò)ResNet50提取熱成像的特征向量，記為hP∈RN×m。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人重慶工商大學(xué)，其通訊地址為：400074 重慶市南岸區(qū)學(xué)府大道19號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。