发明专利已授权

基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法

📄 申请号：CN202111359259.1 📄 发布日：2026/04/16

著录项目信息

申请日

2021-11-17

公开号

CN114035054A

公开日

2022-02-11

申请人

重庆邮电大学

法律状态

已下证

专利类型

发明

主分类号

G01R31_382

IPC 分类号

G01R31_382

技术画像

所属领域

滤波器电池管理系统电池荷电状态估计人工智能算法卡尔曼滤波神经网络滤波器

应用场景

新能源汽车, 储能系统, 电池管理系统

AI 智能推荐 · 同申请人专利 · 搜索相似专利

摘要

本发明属于锂电池SoC估计领域，具体涉及一种基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法；该方法包括：实时获取待检测的锂电池的电流和电压；将获取的电流和电压输入到神经网络联合估计模型中，得到待检测的锂电池SoC估计结果，本发明利用锂电池电化学模型结合神经网络非线性参数化方法，提高了模型的泛化能力；使用Sage‑Husa估计器与无迹卡尔曼滤波算法结合，提高算法估计精度；通过实时更新模型参数，解决了因环境变化和自身老化造成的锂电池模型准确性降低的问题；与深度学习的估计方法相比，需要的数据量更小，抗噪声的能力更强。

权利要求书 (12项) 说明书附图

……

图1

图2

图3

法律状态时间线

20241022

✅ 授权

20220301

?? 实质审查的生效：

20220211

📄 公开

一种便携式异常行为智能分析系统

当前第 / 件

基于神经网络的移动机器人视觉SLAM关键帧自适应筛选方法

同领域国内专利 · IPC: (G01R31_382)

G01R31_00 G01R31_01 G01R31_02 G01R31_08 G01R31_11 G01R31_12 G01R31_14 G01R31_16 G01R31_18 G01R31_24 G01R31_26 G01R31_265 G01R31_28 G01R31_317 G01R31_3177 G01R31_3185 G01R31_327 G01R31_34 G01R31_36 G01R31_364 G01R31_367 G01R31_378 G01R31_379 G01R31_382 G01R31_3835 G01R31_3842 G01R31_385 G01R31_387 G01R31_388 G01R31_389 G01R31_392 G01R31_396 G01R31_40 G01R31_42 G01R31_44 G01R31_50 G01R31_52 G01R31_54 G01R31_55 G01R31_56 G01R31_58 G01R31_62 G01R31_64 G01R31_66 G01R31_67 G01R31_68 G01R31_69 G01R31_72 覆盖48个领域

议价

不含过户费

📋 交易方式： 委托待转让 📌 交易状态：在售 👁️ 浏览次数：140 ❤️ 收藏人数：93 📋 项目申报： 未申报

资金托管权属尽调包过户

🏢 淄博智来知识产权服务有限公司

✓ 企业认证✓ 手机绑定历史成交 0件好评率 98.5%

📊 出价记录 (3条)

王**¥-10万

李** 企业¥-8万

陈**¥-3万

查看全部出价

我要出价 (议价)

基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法

著录项目信息

技术画像

所属领域

应用场景

摘要

法律状态时间线

同领域国内专利 · IPC: (G01R31_382)

相似专利推荐 AI 驱动 · 同领域

一种电池零配件生产用传送装置

一种用于图像数据识别模型构建的方法及系统

图像中关键点的检测方法及设备

服务项目

资源中心

关于柿子坊