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！

龙图腾网获悉北京航空航天大学申请的专利一种随机工况电池组的故障识别方法及装置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：CN119474740B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411577359.5，技术领域涉及：G06F18/20；该发明授权一种随机工况电池组的故障识别方法及装置是由杨世春;曹瑞;张正杰;孙也凡;金云涛;常柏桐;闫啸宇;曹耀光;徐斌设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本一种随机工况电池组的故障识别方法及装置在说明书摘要公布了：本发明涉及一种随机工况电池组的故障识别方法及装置。方法包括：构建电池组状态模型和电池单体偏差模型；利用滤波器分别对电池组状态模型和电池单体偏差模型进行状态预测，得到下一时刻电池组的第一预测结果和下一时刻电池单体的第一预测结果；将获得的电池状态参数和车辆状态参数输入到训练好的时序网络预测模型中，得到下一时刻电池组的第二预测结果；将电池组的第二预测结果和电池单体的第一预测结果输入训练好的物理增强编码器中，得到电池单体的第二预测矩阵；计算电池单体的第二预测矩阵的残差值，并将其与预设阈值相比较，以对电池组进行故障识别。本方案，能够实现对随机工况电池组故障的精准识别。

本发明授权一种随机工况电池组的故障识别方法及装置在权利要求书中公布了：1.一种随机工况电池组的故障识别方法，其特征在于，包括： 针对每一个当前时刻，均执行： 对当前时刻获得的电池单体的电压参数进行分布优化处理，得到当前时刻的电池组电压和电池单体偏差电压； 基于所述电池组电压和电池单体偏差电压，构建电池组状态模型和电池单体偏差模型； 所述电池组状态模型与电池单体偏差状态模型分别如下： ΔUi＝ΔUOCV，iΔSOCi-ΔRiI 式中，UT,p为所述电池组状态模型的端电压，RP，p为所述电池组的极化内阻，CP，p为所述电池组的极化电容，UP，p为所述电池组的极化电压，R0，p为所述电池组的欧姆电阻，I为瞬时电流，UOCV，p为所述电池组的开路电压，ΔUi为所述电池单体偏差状态模型的端电压，ΔUOCV，i为所述电池单体的开路电压，ΔSOCi为所述电池单体的荷电状态，ΔRi为所述电池单体的欧姆内阻； 利用最小乘二法对所述电池组状态模型和所述电池单体偏差模型中当前时刻的系数进行辨识，得到当前时刻电池组状态模型的状态参数和电池单体偏差模型的状态参数； 将当前时刻所述电池组状态模型的状态参数和电池单体偏差模型的状态参数分别输入卡尔曼滤波器中，以利用卡尔曼滤波器分别对所述电池组状态模型和所述电池单体偏差模型进行状态预测，分别得到下一时刻电池组的第一预测结果和下一时刻电池单体的第一预测结果； 将当前时刻获得的电池状态参数和车辆状态参数输入到训练好的时序网络预测模型中，得到下一时刻电池组的第二预测结果；其中，时序网络预测模型训练过程中是利用所述电池组的第一预测结果作为损失函数对所述第二预测结果进行反向调整的；其中，所述车辆状态参数包括车辆速度、车辆里程和车辆操作状态，所述电池状态参数包括电池组总电压、电流、电池组平均温度和电池组荷电状态； 将所述电池组的第二预测结果和电池单体的第一预测结果输入训练好的物理增强编码器中，得到电池单体的第二预测矩阵；所述物理增强编码器包括依次连接的编码模块、潜在空间采样模块和解码模块；其中： 所述编码模块用于对输入的电池单体的第一预测结果和电池组的第二预测结果进行特征融合和降维操作，得到隐变量； 所述潜在空间采样模块用于对编码模块输出的隐变量和电池单体的第一预测结果进行求和，以获得与电池单体数目相对应的采样点； 所述解码模块用于对潜在空间采样模块输出的与电池单体数目相对应的采样点进行映射，得到所述电池单体的第二预测矩阵； 计算所述电池单体的第二预测矩阵的残差值，并将其与预设阈值相比较，以对所述电池组进行故障识别。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。

以上内容由龙图腾AI智能生成。