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！

龙图腾网获悉浙江工业大学申请的专利基于动态不确定性建模的锂电池剩余寿命实时预测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：CN120254651B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510749130.3，技术领域涉及：G01R31/367；该发明授权基于动态不确定性建模的锂电池剩余寿命实时预测方法是由张文安;傅时胜;陆立峰;吴麒;俞增锋;严宇杰;张宝康;顾曹源设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本基于动态不确定性建模的锂电池剩余寿命实时预测方法在说明书摘要公布了：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。

本发明授权基于动态不确定性建模的锂电池剩余寿命实时预测方法在权利要求书中公布了：1.一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，其特征在于，所述基于动态不确定性建模的锂电池剩余寿命实时预测方法，包括： 获取多传感器采集的锂电池全生命周期数据，并结合离散傅里叶变换，提取锂电池全生命周期中每次充放电循环对应的退化特征向量； 通过卷积神经网络，根据退化特征向量输出锂电池的动态健康评分； 基于动态健康评分，采用线性维纳过程模型构建锂电池剩余寿命的退化过程模型，基于得到的退化过程模型计算锂电池的剩余寿命预测值； 计算包含剩余寿命预测误差项以及线性维纳过程的极大似然估计约束项的损失函数，并根据损失函数更新卷积神经网络和退化过程模型的参数，直至训练结束； 通过更新后的卷积神经网络得到目标锂电池的实时动态健康评分，并利用贝叶斯理论实时更新退化过程模型的漂移系数，采用最新的退化过程模型输出目标锂电池的实时剩余寿命预测值； 其中，所述基于动态健康评分，采用线性维纳过程模型构建锂电池剩余寿命的退化过程模型，包括： 采用线性维纳过程描述锂电池全生命周期中动态健康评分的退化路径，其中漂移系数服从正态分布，且动态健康评分的增量服从正态分布； 根据符合线性维纳过程的动态健康评分的退化路径，定义首达失效时间； 构建首达失效时间的概率密度函数； 将对首达失效时间的概率密度函数的积分过程作为剩余寿命预测函数，完成锂电池剩余寿命的退化过程模型的构建； 其中，所述线性维纳过程的极大似然估计约束项，包括： 计算锂电池全生命周期中相邻两次充放电循环的动态健康评分增量； 构建所有动态健康评分增量的对数联合似然函数； 将去除常数后的对数联合似然函数作为线性维纳过程的极大似然估计约束项； 其中，所述损失函数为剩余寿命预测误差项以及线性维纳过程的极大似然估计约束项的加权求和； 使用梯度下降法最小化损失函数，以更新卷积神经网络和退化过程模型的参数，并在训练结束后，输出最优参数集合，所述最优参数集合包括卷积神经网络最优的权重参数、退化过程模型最优的漂移系数、退化过程模型最优的扩散系数，以及退化过程模型最优的失效阈值，所述漂移系数服从正态分布，即得到最优的漂移系数的均值和最优的漂移系数的标准差。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。