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！

龙图腾网获悉无锡领声科技有限公司申请的专利一种神经网络驱动的电池声学压强监测与预警方法及系统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：CN120705518B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511189919.4，技术领域涉及：G06F18/20；该发明授权一种神经网络驱动的电池声学压强监测与预警方法及系统是由邓哲;朱涛;赵国设计研发完成，并于2025-08-25向国家知识产权局提交的专利申请。

本一种神经网络驱动的电池声学压强监测与预警方法及系统在说明书摘要公布了：本发明公开一种神经网络驱动的电池声学压强监测与预警方法及系统，旨在通过构建多阶段的深度学习框架，实现对电池压强信号的全方位分析和故障预警。该方法采用神经网络编码技术，通过反向时间演化和混沌吸引子投影提取压强数据的因果特征；利用时间卷积网络识别压强周期节律，建立节律基准模型并生成异常指标；引入互信息共振机制，通过相位滑移分析确定数据间的信息关联度；采用变分回声重构生成结构化特征图，通过扩散模型捕获特征的演化过程；基于重整化群理论预测相变临界点，将预警参数转换为振荡器网络并分析同步特性；最终通过奇异值分解和激活强度计算实现分级预警，够准确识别电池的早期异常征兆，为电池安全管理提供可靠的技术支撑。

本发明授权一种神经网络驱动的电池声学压强监测与预警方法及系统在权利要求书中公布了：1.一种神经网络驱动的电池声学压强监测与预警方法，其特征在于，包括： 获取电池运行过程中的压强监测数据，对所述压强监测数据进行神经网络编码生成训练数据集，包括：将所述压强监测数据进行反向时间演化获取因果前驱信号；对所述因果前驱信号施加混沌吸引子投影提取奇异轨迹；将所述奇异轨迹作为神经元死区激活模式生成稀疏编码；基于所述稀疏编码构建训练数据集； 基于所述训练数据集构建时间卷积神经网络，对所述时间卷积神经网络进行训练识别压强周期节律，从所述压强周期节律中提取节律参数生成节律基准模型，通过所述节律基准模型进行偏差分析生成节律异常指标，包括：激活所述节律基准模型的自诊断模式，获取内部参数分布图；对所述参数分布图进行权重失衡区域识别，建立失衡模式分类，所述失衡模式分类包括梯度爆炸型、梯度消失型和振荡发散型；对所述失衡模式分类进行严重度评估处理，生成节律异常指标； 对所述训练数据集进行互信息最大化处理建立共振学习网络，通过所述共振学习网络确定不同时刻数据的信息关联度，利用所述信息关联度识别共振频率模式，基于所述共振频率模式放大所述节律异常指标生成互信息共振向量；所述通过所述共振学习网络确定不同时刻数据的信息关联度，包括：将所述训练数据集映射到复数域构建解析信号；对所述解析信号进行希尔伯特黄变换获取瞬时相位；基于所述瞬时相位计算相位滑移速率；将所述相位滑移速率的稳定性指数作为信息关联度; 对所述互信息共振向量进行变分回声重构生成变分编码特征，对所述变分编码特征进行概率建模确定回声传播的概率分布，从所述概率分布中采样重构传播路径，基于所述传播路径提取结构变化特征获取变分回声特征图； 将所述节律异常指标和所述互信息共振向量输入深度分类网络生成非线性转换模式，从所述非线性转换模式中预测相变临界点，基于所述相变临界点确定相变预警参数，利用所述相变预警参数构建预警决策网络； 通过所述预警决策网络综合所述变分回声特征图输出分级预警信号，完成神经网络驱动的电池声学压强监测与预警。

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无锡领声科技有限公司，其通讯地址为：214000 江苏省无锡市惠山经济开发区政和大道688号7层；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。