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！

龙图腾网获悉上海卓阳储能科技有限公司申请的专利一种基于深度学习的电芯故障识别方法和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：CN120632638B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202511113434.7，技术领域涉及：G06F18/2415；该发明授权一种基于深度学习的电芯故障识别方法和装置是由傅诚;黄俊;黄浩设计研发完成，并于2025-08-11向国家知识产权局提交的专利申请。

本一种基于深度学习的电芯故障识别方法和装置在说明书摘要公布了：本申请公开了一种基于深度学习的电芯故障识别方法和装置，涉及故障识别技术领域。该方法包括：获取电池电芯在运行过程中的待识别多源监测数据，并提取所述的待识别多源监测数据的待识别多源监测特征；将所述的待识别多源监测特征输入基于深度学习算法构建的电芯故障识别模型，进行电芯故障识别，得到电芯故障的故障概率向量；根据各故障类别的故障概率阈值，对故障概率向量进行拆解，得到电芯的故障识别结果，并发出对应的警报信号。解决了现有技术存在的信息维度单一、故障信号敏感度不足以及对于复杂故障模式的识别能力有限的问题。

本发明授权一种基于深度学习的电芯故障识别方法和装置在权利要求书中公布了：1.一种基于深度学习的电芯故障识别方法，其特征在于，包括： 获取电池电芯在运行过程中的待识别多源监测数据，并提取所述的待识别多源监测数据的待识别多源监测特征； 将所述的待识别多源监测特征输入基于深度学习算法构建的电芯故障识别模型，进行电芯故障识别，得到电芯故障的故障概率向量； 所述的电芯故障识别模型基于CNN-Attention-PC-LSTM-MLP算法构建，且电芯故障识别模型包括依次连接的输入层、基于CNN-Attention算法构建的特征融合层、基于物理约束PC算法构建的物理约束层、基于LSTM算法构建的时序建模层、基于MLP算法构建的电芯故障识别层以及基于Softmax激活函数构建的输出层； 包括： 使用基于深度学习算法构建的电芯故障识别模型的输入层，接收输入的所述的待识别多源监测特征； 使用电芯故障识别模型的特征融合层，提取待识别多源监测特征中电信号特征的第一高级特征和声纹特征的第二高级特征，并根据动态注意力权重，对第一高级特征和第二高级特征进行加权融合，得到加权融合特征； 使用电芯故障识别模型的物理约束层，对特征融合层输出的加权融合特征进行修正，得到修正后加权融合特征； 使用电芯故障识别模型的时序建模层，提取修正后加权融合特征的时序特征； 使用电芯故障识别模型的电芯故障识别层，根据时序建模层输出的时序特征，进行电芯故障识别，并调用输出层的Softmax激活函数，得到电芯故障的故障概率向量； 根据各故障类别的故障概率阈值，对故障概率向量进行拆解，得到电芯的故障识别结果，并发出对应的警报信号，包括： 根据待识别多源监测数据与若干历史多源监测数据的偏离程度，计算待识别多源监测数据对应的异变熵； 根据电芯故障的故障概率向量中每一故障类别的故障概率变化情况，计算每一故障类别对应的动态系数； 根据待识别多源监测数据的所述的异变熵和每一故障类别的所述的动态系数，计算各故障类别的故障概率阈值； 根据各故障类别的所述的故障概率阈值，对故障概率向量进行拆解，将故障概率超过故障概率阈值对应的故障类别进行汇总，得到电芯的故障识别结果，并发出对应的警报信号。

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上海卓阳储能科技有限公司，其通讯地址为：201700 上海市青浦区汇龙路88号1幢2层M区219室；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。