发明专利已授权

一种基于无监督迁移学习的电池SOH预测方法

📄 申请号：CN202010994429.2 📄 发布日：2025/12/10

著录项目信息

申请日

2020-09-21

公开号

CN112327165B

公开日

2021-07-13

申请人

电子科技大学

法律状态

已下证

专利类型

发明

主分类号

G01R31_367

IPC 分类号

G01R31_367 , G01R31_392 ,

技术画像

所属领域

电池健康状态估计电池健康状态估计迁移学习电池管理系统

应用场景

新能源汽车, 储能系统, 电池梯次利用, 电池运维监控

AI 智能推荐 · 同申请人专利 · 搜索相似专利

摘要

本发明公开了一种基于无监督迁移学习的电池SOH预测方法，通过提取两个电池的特征，用域匹配算法对两个特征空间进行调整，使两个特征空间的条件分布和边缘分布相匹配，并且通过调整样本权重使得两个空间相关的样本权重变大，不相关的样本权重变小；这样通过域匹配方式可以利用一个电池数据做训练，用普通的机器学习算法来预测另一个电池的SOH，从而具有适用性高，预测精度高，实现简单等优点。

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

20210713

✅ 授权

20210226

?? 实质审查的生效：

20210205

📄 公开

一种预测电池健康状态的方法

当前第 / 件

基于RKHS域匹配的迁移学习预测电池SOH方法

同领域国内专利 · IPC: (G01R31_367)

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：111 ❤️ 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)

一种基于无监督迁移学习的电池SOH预测方法

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_367)

相似专利推荐 AI 驱动 · 同领域

一种多孔结构硅碳复合微球及其制备方法与应用

一种多级多孔单晶化微米级LiMn2O4正极材料的制备方法

一种表面尖晶石化的富锂锰基正极材料及其制备方法与应用

服务项目

资源中心

关于柿子坊