Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆大学胡晓松获国家专利权

重庆大学胡晓松获国家专利权

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!

龙图腾网获悉重庆大学申请的专利一种从实车动态工况中提取极化特征的电动汽车电池组SOH估计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:CN120490875B

龙图腾网通过国家知识产权局官网在2026-05-12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:202510618501.4,技术领域涉及:G01R31/392;该发明授权一种从实车动态工况中提取极化特征的电动汽车电池组SOH估计方法是由胡晓松;刘佳;刘弘奥;黄瑞;易靖淞;李佳承;张凯;李昌;谢杨;吴让磊设计研发完成,并于2025-05-14向国家知识产权局提交的专利申请。

一种从实车动态工况中提取极化特征的电动汽车电池组SOH估计方法在说明书摘要公布了:本发明涉及一种从实车动态工况中提取极化特征的电动汽车电池组SOH估计方法,属于电池技术领域。针对现有方法依赖实验室数据及完整充电片段、无法有效利用动态工况中电流切换导致的极化特征的问题,本发明通过整理电池运行数据并预处理提取充电片段,基于多级恒流充电曲线分析电流切换时刻的SOC分布,筛选特征提取区间并设置动态阈值,从代表性单体中提取极化电压差、电流变化量等特征,构建两阶段机器学习模型实现SOH估计。该方法突破了传统静态特征局限,利用动态工况下电流切换的瞬时极化效应,显著提升实车数据利用率及特征表征能力,有效提高电池组健康状态评估精度,实现电动汽车大规模快速检测需求。

本发明授权一种从实车动态工况中提取极化特征的电动汽车电池组SOH估计方法在权利要求书中公布了:1.一种从实车动态工况中提取极化特征的电动汽车电池组SOH估计方法,其特征在于:该方法包括以下步骤: S1:整理来自油电混合动力汽车电池组的运行数据,建立电池数据集; S2:对电池数据集进行分析,预处理,提取较为完整的充电片段,利用安时积分法计算标签容量; S3:基于动态工况,分析多级恒流充电曲线中电流和SOC变化,设置特征筛选条件,并选择提取特征的电流切换时刻;具体为: S31:基于充电过程中电流随SOC变化的规则,分析电池组充电片段电流切换时对应的SOC分布情况,根据SOC划分特征提取区间; S32:基于选择的特征提取区间,统计在此区间内电流切换时电流变化情况,根据电流变化和SOC设置特征筛选条件; S33:统计电流切换各时刻充电片段数量,选定提取特征的电流切换时刻; S4:分析电池组各单体情况,选择代表性单体,基于选定的电流切换时刻提取代表性单体的极化特征;具体为: S41:根据选定的电流切换时刻,分析电池组中各单体情况,找到每个时刻中能够代表电池组容量衰退的几个代表性单体; S42:从选定的电流切换时刻中提取各代表性单体的极化特征,形成极化特征集; 所述代表性单体的选择标准包括: 电流切换时刻电压变化幅度最大的前3个单体; 电流切换时刻电压变化幅度最小的前3个单体; 电流切换前后电压差超过设定阈值的单体; 历史容量衰减率超过组平均衰减率20%的异常单体; S5:建立机器学习估计模型,将提取的极化特征集作为输入,得到电池组的SOH估计结果。

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重庆大学,其通讯地址为:400044 重庆市沙坪坝区沙坪坝正街174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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。