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！

龙图腾网获悉厦门理工学院申请的专利融合模式识别与拐点特征的电池健康状态估计方法及装置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：CN121613342B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610147225.2，技术领域涉及：G01R31/367；该发明授权融合模式识别与拐点特征的电池健康状态估计方法及装置是由郑雪钦;李佳欣;陈嘉琪;张达敏;周頔;李勇滨设计研发完成，并于2026-02-03向国家知识产权局提交的专利申请。

本融合模式识别与拐点特征的电池健康状态估计方法及装置在说明书摘要公布了：本发明提供的融合模式识别与拐点特征的电池健康状态估计方法及装置，涉及电池健康管理技术领域。本发明通过对采集的时序数据进行预处理并提取多维特征；利用改进启发式聚类算法辨识退化模式；通过双阶段非线性混合模型萃取拐点循环数与锐度因子作为增维特征；采用改进蛇优化算法，协同优化高斯过程回归模型的超参数与特征子集，并引入由拐点特征驱动的自适应位置更新策略与复合适应度函数进行优化，得到优化后的模型，用于电池健康状态估计。本申请能够精准捕获电池衰减中的非线性相变行为，有效隔离异质老化干扰，显著提升全寿命周期内的估计精度与泛化性能，实现模型构建的全流程智能化。

本发明授权融合模式识别与拐点特征的电池健康状态估计方法及装置在权利要求书中公布了：1.一种融合模式识别与拐点特征的电池健康状态估计方法，其特征在于，包括： S1，获取锂离子电池充放电循环的时序数据并预处理； S2，从预处理后的时序数据的充电片段中提取出初始电池健康特征； S3，采用融合遗传算法与模拟退火算法的启发式聚类算法，将所述初始电池健康特征划分为不同的退化模式簇； S4，构建双阶段线性非线性混合模型从预处理后的时序数据中拟合提取出关键拐点特征；其中，所述关键拐点特征为时序数据中发生趋势突变、斜率显著改变的线性非线性阶段转换的关键特征点；所述关键拐点特征包含拐点循环数与拐点锐度因子； S5，基于所述退化模式簇，分退化模式评估所述初始电池健康特征的重要性，为每种退化模式筛选出重要性高的最优特征子集； S6，基于所述最优特征子集与所述关键拐点特征，采用结合高斯过程回归的蛇优化算法进行模型超参数优化； S7，将待测时序数据输入超参数优化后的模型，输出电池健康状态估计结果； 其中，采用结合高斯过程回归的蛇优化算法进行模型超参数优化过程中，以拐点循环数、拐点锐度因子为双驱动，根据当前迭代次数与的相对关系，将优化过程划分为拐点前阶段、拐点区域阶段与拐点后阶段： 当时，为拐点前阶段，基于退化模式簇的中心进行全局探索，以适配电池拐点前的缓慢退化阶段，公式为： ； 其中，为拐点比例控制系数；、分别为第个蛇个体在第、次迭代的位置向量；为模式探索系数；为退化模式簇的中心；为历史经验权重系数；为0-1范围内的随机数；为退化模式下历史优良解的平均进化方向向量；为当前迭代次数； 当时，为拐点区域阶段，进行精细化局部开发，以适配电池拐点处的退化速率突变阶段，公式为： ； 其中，为拐点邻域窗口半径；为模式收敛因子；为极小常数；为拐点锐度因子；为的灵敏度缩放因子；为符号函数，用于指示位置更新的方向；为全局最优个体位置； 当时，为拐点后阶段，以全局最优个体为导向进行稳态局部开发，以适配电池拐点后的加速退化阶段，公式为： ； 其中，为0-1范围内的随机数。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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。