本申请提供了一种锂电池定位检测系统及设备，涉及锂电池检测领域，包括定位模块，用于实时获取并记录每个锂电池在特定区域内的精确位置信息。本申请为了解决现有技术中检测探针的偏移会导致探针与电池外包装铝皮接触而发生短路，进而存在电池爆炸的潜在风险的问题，本申请定位模块实时获取锂电池位置信息，利用检测模块采集锂电池的状态参数，将采集到的数据发送至数据处理单元进行分析处理，然后根据处理结果判断锂电池的健康状态及位置合理性，若发现异常，则通过报警模块发出报警信号，并通过排异模块将异常的锂电池单独取出，实现了精准定位，使得探针不会与电池包装铝皮接触，并对锂电池进行更加全面的检测。
📄 2024113265396
📂 G01R31_367
👤 深圳市深科微科技有限公司
📅 2024-09-23
本发明涉及电池健康管理技术领域，公开了一种基于Koopman门控残差神经网络的锂电池SOH预测方法及系统，该方法包括获取锂电池的电化学阻抗谱数据；基于等效电路模型从电化学阻抗谱数据中拟合提取第一物理特征，并确定特征频率点，提取特征频率点下的电化学阻抗虚部值作为第二频域特征；基于所述第一物理特征，生成电池健康状态的初始先验估计值，并对初始先验估计值进行动态趋势修正，得到修正后的先验估计值；将第一物理特征、第二频域特征及修正后的先验估计值输入预先训练好的Koopman门控残差神经网络模型，通过该模型的自适应门控融合机制输出电池健康状态的最终预测值。本发明实现电池健康状态较精确、高鲁棒性在线预测。
📄 2026105296156
📂 G01R31_367
👤 南京信息工程大学
📅 2026-04-21
本发明公开了基于多尺度双重时序Mamba的锂电池SOH估计方法，采集原始充放电监测数据，然后基于电池退化机理提取多维健康因子构建时间特征序列；构建多尺度稀疏扫描模块，针对时间特征序列进行分割，拼接重建，输出增强特征序列；构建分层双重时序注意力模块，包括两层架构，第一层针对增强特征序列，通过非因果路径捕捉全局上下文，第二层通过因果路径建模因果依赖关系；最终将两层的输出进行融合；构建状态空间模型，并结合残差连接与层归一化处理，通过回归层将提取的高维特征映射为归一化的健康状态估计值，并经逆归一化变换还原为最终的电池健康状态；本发明旨在实现对锂离子电池在复杂运行工况下的高精度且可靠的SOH估计。
📄 2026103522449
📂 G01R31_367
👤 南京信息工程大学
📅 2026-03-23
本发明针对不同类型电瓶车的用户使用习惯提出一种基于概率统计的电池组寿命预测方法，所述方法包含以下步骤：步骤1）、对影响电瓶车电池使用寿命的用户习惯如行驶里程数和电池放电时间这两个重要因素进行统计与分析；步骤2）、根据电压值对电瓶车类型进行分类，建立电瓶车用户使用习惯与电池寿命间的关联模型；步骤3）、利用训练样本集对关联模型进行参数估计；步骤4）、将待测试的新用户行驶里程数和累计放电时间代入对应的电池寿命状态函数进行计算，得出电池寿命状态的标准量，与设置阈值进行比较后得到当前电瓶车用户的电池寿命状态结论。
📄 2017103407668
📂 G01R31_36
👤 浙江工业大学
📅 2017-05-12
本发明属于锂电池剩余寿命预测领域，公开了一种基于动态不确定性建模的锂电池剩余寿命实时预测方法，通过多传感器协同采集锂电池全生命周期数据，结合卷积神经网络构建动态健康评分，有效捕捉数据的非平稳与非线性特性。进一步采用非平稳随机过程量化健康评分的不确定性，并通过联合优化目标函数同步调整相关参数以增强模型对复杂退化模式的适应性。基于贝叶斯推理框架动态更新非平稳随机过程参数，结合历史数据与实时观测值的共轭先验分布，实现参数自适应调整与锂电池剩余寿命的动态预测。该方法既弥补了传统数据驱动方法缺乏物理可解释性的缺陷，又克服了单一模型驱动方法因电池退化机理复杂导致的精度不足问题。
📄 2025107491303
📂 G01R31_367
👤 浙江工业大学
📅 2025-06-06
一种锂电池健康状况的梯度提升树建模与预测方法，包括以下步骤：1)监测锂电池充电和放电过程并提取特征：在锂电池的充电和放电过程中，通过传感器监测并记录电池的参数数据，并从数据中提取特征；2)对提取到的特征进行选择：采用GBT模型进行预训练，得到特征在建立模型过程中的特征重要性，根据特征重要性对特征进行排序并选择排名靠前的特征；3)建立梯度提升树模型进行训练并评估：利用经过选择的特征建立梯度提升树模型并进行训练，采用五折交叉验证和网格搜索方法对模型的超参数进行选择和调优，最后对模型的预测性能进行评估。本发明从锂电池充电与放电过程中提取相关特征，实现对SoH的准确预测。
📄 2018104457993
📂 G01R31_367
👤 浙江工业大学
📅 2018-05-11
一种基于DICEEMDAN与混合深度学习的储能锂电池寿命预测方法，属于数据处理、锂电池寿命预测领域，首先，将锂电池容量数据使用DICEEMDAN进行分解降噪重构处理，得到多个子序列，通过改进的双向时序卷积网络对高频子序列进行特征提取，针对不同频率的子序列存在的不同数据特性，设计了一种差异化混合深度神经网络，将提取到的特征数据作为深度神经网络的输入，最后使用优化权重的方式对多个神经网络预测进行整合，得到最终的预测结果。本发明在实际锂电池老化数据集上得到了验证，实验结果表明，对于储能锂电池剩余使用寿命的预测具有较高的准确性。
📄 2025110289092
📂 G01R31_367
👤 浙江工业大学
📅 2025-07-25
本发明公布了一种串联型电池故障预测方法，所述方法为：由实验得到电池串数据；对实验数据进行预处理，由预处理后的电池串数据结合串联电路工作特性得到电池串增加能量En；以能量En建立故障因子数据库，选取数据库中3组不同的数据分别为训练数据A、训练数据B以及训练数据C；根据训练数据A、训练数据B，分别构建灰色模型GMⅠ、灰色模型GMⅡ；将2个GM模型的输出值相加，再求平均值，将平均值及训练数据C中En作为输入，经训练组合模型，得到准确的组合预测模型；输入能量序数经组合预测模型，得到能量预测值，若能量预测值小于阈值，表明电池正常；反之，表明电池有故障，再进行故障类型判别及定位。
📄 2022114019440
📂 G01R31_367
👤 盐城工学院
📅 2022-11-10
本发明公开了一种锂电池SOC估计方法，主控模块获取参量信息，并通过执行针对三元锂电池的扩展卡尔曼滤波算法并以迭代思路求得锂电池SOC值；该算法执行以下状态方程和量测方程：状态方程：量测方程：yn＝g(xn,μn)+γn。本发明采用特定的SOC算法，提高了对数据采样的准确性。
📄 2018106261569
📂 G01R31_36
👤 杭州电子科技大学
📅 2018-06-19
本发明公开了一种基于NARX‑UKF算法的电池剩余电量估计方法。现有的各种方法存在各种问题。本发明方法首先测量电池在不同条件下的电压和电流，然后对测量数据进行预处理，再搭建NARX‑UKF网络，把处理后的电压电流训练数据输入NARX网络中来训练网络，达到训练目标后，输入测试数据，NARX网络的输入结果即为SOC的估计值同时也是UKF模型的输入量，该估计值经过UKF模型后，得到的状态更新值即为当前时刻所估计得到的电池剩余电量。本发明的不需要建立电池模型，只需要常见的可测量量便可以快速精确的进行电池剩余电量估计。有着模型训练速度快，所需参数少，估计精度高的优点。
📄 2019103291995
📂 G01R31_367
👤 杭州电子科技大学
📅 2019-04-23
本发明公开一种基于电压电流特征的动力电池健康状态估计方法，涉及动力电池技术安全领域，其特征在于，包括以下步骤：S1：采取动态工况放电过程中的电压积分、放电时间、净放电电能作为描述电池的老化特征；S2：采取动态工况放电过程中的电流均值、放电量比重作为描述动态工况的工况特征；S3：将老化特征与工况特征进行融合，得到融合特征；S4：建立融合特征与电池SOH之间的多元线性回归模型。本发明直接利用动态工况放电的电流、电压数据提取能够反应电池老化的健康特征，建立电池SOH估计模型。
📄 2023106990659
📂 G01R31_367
👤 聊城大学
📅 2023-06-14
一种面向嵌入式设备的锂电池使用寿命的预测方法，步骤包括对锂离子电池历史电压、电流和时间数据作为输入特征，创建预测特征数据集；对预测特征数据集进行预处理；对预处理后的数据集形成电池剩余寿命时间序列数据集，建立电池剩余使用寿命预测模型；对模型的增量学习模块优化；使用贝叶斯Optuna框架对权重巩固项进行寻优和动态调整；对Optuna框架优化，提高寻优效率；对在线权重巩固使用到的信息矩阵Fisher进行优化，使用随机奇异值分解进行低秩分解；使用优先经验回放的方法对增量学习优化；使用知识蒸馏的方法对优先经验回放进行优化。本发明所建立模型能够在多变的使用环境中保持泛化能力，更准确反映电池的实际使用状态。
📄 2024106800748
📂 G01R31_367
👤 江苏师范大学
📅 2024-05-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台