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！

龙图腾网获悉杭州电子科技大学;杭州高特电子设备股份有限公司申请的专利基于混合深度学习的新能源汽车电池故障识别及预警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：CN119577611B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202411605246.1，技术领域涉及：G06F18/2431；该发明授权基于混合深度学习的新能源汽车电池故障识别及预警方法是由陈琪琪;林宸宇;何中杰;叶果果;王浩;华思聪;陈韦豪;王健设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本基于混合深度学习的新能源汽车电池故障识别及预警方法在说明书摘要公布了：本发明公开了基于混合深度学习的新能源汽车电池故障识别及预警方法。该方法首先定义了故障类型与判断标准，生成训练数据的标签。然后构建包括卷积层模型和双向门控循环单元层的混合深度学习模型，分别提取电池数据的空间特征以及时间序列中的长期依赖关系，对电池的状态信息进行编码。接着，将提取的特征输入到故障识别模块中进行模型参数的精细调整，优化模型的交叉熵损失函数，最小化模型预测与实际故障之间的误差，以减少计算时间并提高训练效率。最后基于训练后的混合深度学习模型，检测电池数据的故障概率，并利用该模型预测未来一段时间内的目标特征数据，生成故障预警信息。该方法能够提升电池故障识别的准确性和提前预警的可靠性。

本发明授权基于混合深度学习的新能源汽车电池故障识别及预警方法在权利要求书中公布了：1.基于混合深度学习的新能源汽车电池故障识别及预警方法，采集新能源汽车运行过程中动力电池的c类特征数据，并进行预处理，其特征在于：包括以下步骤： 步骤一、电池故障特征标记 定义新能源汽车电池的故障类型，设定各类特征数据的有效值范围与故障阈值，生成动力电池特征数据的故障标签数据Y＝{yt，j|yt，j∈{0，1}}∈Rn×m，其中，m表示故障类型数量，n为采样时间点个数即样本个数；yt，j表示在时间点t是否出现第j类故障，1表示存在该类故障，0表示不存在该类故障，t＝1,2，...，n，j＝1,2，...，m； 步骤二、电池故障关键特征提取 计算预处理后第i类特征的特征数据向量与第j类故障的故障标签向量yj之间的皮尔逊相关系数选择相关系数绝对值高于预设阈值的特征变量作为与第j类故障标签高度相关的关键特征变量，构成关键特征标识矩阵Z＝{zij|zij∈{0，1}}∈Rc×m，zij＝1表示第i类特征是第j类故障的关键特征，0表示不是关键特征； 步骤三、电池故障类型识别模型 构建卷积神经网络层与双向门控循环单元层结合的混合深度学习模型，向输入混合深度学习模型由第j类故障的关键特征变量组成的矩阵预测目标故障标签向量yj＝[y1，j，y2，j，...，yn，j]，并使用Sigmoid激活函数将输出转换为[0，1]的故障概率值，再利用故障阈值τ得到故障标签 采用二元交叉熵损失作为模型训练的损失函数，处理每个故障标签独立出现或共同出现的故障特性； 步骤四、电池故障预警策略 s4.1、故障预警设置 定义一个基础阈值ethreshold，j，当混合深度学习模型输出的第j类故障在第t个时间点的预测值Pt，j超过基础阈值ethreshold，j时，即视为有故障风险；再设置一个最小预警点数k，要求在连续时间窗口中至少有k个数据点出现故障风险时，触发故障预警； s4.2、预测未来故障特征值 将采集的第j类故障的目标特征数据Qt，j输入训练后的混合深度学习模型中，得到第一次预测结果Pt+1，j，将Pt+1，j添加到Qt，j的末尾，更新序列得到Qt+1，j，再次输入训练后的混合深度学习模型中进行下一步预测；重复上述步骤，直至预测得到Tsteps个未来时间步的预测值Tsteps＝N×60tgap，tgap表示采样间隔时间，N表示预测时长； s4.3、检测未来时间段内的故障特征 在预测得到的未来时间步特征序列中，对于每个预测时间点t下第j类故障的预测值，定义一个指示函数δt，j，记录其是否超过基础阈值ethreshold： 式中，δt，j＝1表示第t个预测时间点第j个故障超过阈值，需要记录为异常故障状态，0表示正常状态； s4.4、生成故障预警信息 对于每个预测时间点t，根据指示函数δt，j构建异常故障集合St，包含对应时间点出现的所有异常故障： St＝{j|δt，j＝1} 若存在异常故障集合则提前发出预警，生成相应的预警信息Info，包括故障类型、故障发生时间点以及故障阈值。

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杭州电子科技大学;杭州高特电子设备股份有限公司，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。