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！

龙图腾网获悉吉林大学申请的专利一种基于FOASEKF-EKF的锂离子动力电池SOC和SOH联合估计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：CN120742135B 。

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：202511261966.5，技术领域涉及：G01R31/367；该发明授权一种基于FOASEKF-EKF的锂离子动力电池SOC和SOH联合估计方法是由刘玉梅;龙雨;刘泊睿;刘鹏程;刘铭;周彦轩;李宗尧;郭雪;张壮壮;张阳;徐观;陈熔;张立斌;林慧英设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本一种基于FOASEKF-EKF的锂离子动力电池SOC和SOH联合估计方法在说明书摘要公布了：本发明涉及动力电池SOC和SOH联合估计方法，特别涉及一种基于FOASEKF‑EKF的锂离子动力电池SOC和SOH联合估计方法，包含两个并联分数阶CPE支路的分数阶等效电路模型，提出融合差分进化策略与自适应变异机制的混合遗传算法HGA，通过引入滑模观测器和FOASEKF实现快时间尺度下SOC与端电压的精准估计，在慢时间尺度下基于EKF对模型参数与电池容量进行周期性在线校正，实现高精度、强鲁棒性的电池SOC与SOH联合估计。本发明适用于电动汽车、轨道交通等复杂工业环境，无需设置大量超参数，且不过度依赖数据的质量与数量，具备良好的可解释性、适应性与工程实用性，尤其在频繁启停与非稳态运行工况下，仍可实现SOC与SOH的高精度协同估计，显著降低误判与估计漂移风险。

本发明授权一种基于FOASEKF-EKF的锂离子动力电池SOC和SOH联合估计方法在权利要求书中公布了：1.一种基于FOASEKF-EKF的锂离子动力电池SOC和SOH联合估计方法，其特征在于：包括以下步骤： S1、建立基于分数阶微积分与恒相位元件CPE的二阶等效电路模型，包含两个并联的分数阶极化支路； S2、模型参数的离线辨识： S21、参数初始化与编码； S22、适应度函数构建：以模型预测输出电压与实测电压间的均方误差作为算法适应度函数； S23、差分交叉与自适应变异：混合遗传算法在遗传代内对每个个体执行差分进化和二项交叉，并按个体适应度自适应地调节交叉概率与变异概率； 在交叉过程中构造差分向量； 动态调整交叉概率与变异概率； S24、局部最优跳出与终止判断； S3、双时间尺度下模型参数在线更新及SOC和SOH的协同估计： S31、快速时间尺度上采用分数阶自适应滑模扩展卡尔曼滤波器进行SOC估计：定义系统状态向量和预测方程； 定义输出矩阵和观测方程； 动态调整观测噪声协方差与过程噪声协方差； S32、状态修正与结果输出：快时间尺度更新后得到更新后的状态估计向量与模型预测 的端电压，输出实时电池荷电状态，并将端电压残差反馈给预测方程进行自适应调 噪闭环； S33、慢时间尺度下基于扩展卡尔曼滤波器EKF进行模型参数在线更新： 对模型参数向量进行更新，参数向量包括电池欧姆内阻、两个并联支路的极化电阻、两个并联支路的类电容系数、相应分数阶阶次以及慢时间尺度下的迭代步数； S34、容量参数与SOH估计：将电池当前最大可用容量作为参数向量中的一维随慢时间 尺度EKF同步更新，得到实时辨识的电池容量参数，据此在线计算实时电池健康状态； S35、结果输出与协同闭环：输出实时电池荷电状态、实时电池健康状态与 最新模型参数向量；慢时间尺度更新后的参数向量回写到快时间尺度模型中，用于下一 周期的FOASEKF预测。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。