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！

龙图腾网获悉泉州装备制造研究所申请的专利一种基于统计特征分析的锂电池健康状态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：CN117907868B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202311768123.5，技术领域涉及：G01R31/392；该发明授权一种基于统计特征分析的锂电池健康状态估计方法是由戴厚德;朱利琦;王嘉欣;赖源;黄毅杨设计研发完成，并于2023-12-19向国家知识产权局提交的专利申请。

本一种基于统计特征分析的锂电池健康状态估计方法在说明书摘要公布了：本发明提供一种基于统计特征分析的锂电池健康状态估计方法，包括：步骤S1、根据电池的充电电压曲线、充电容量曲线、IC曲线和温度曲线获取N个初始特征，并根据这N个初始特征进行统计分析获取六个统计特征；步骤S2、构建单核高斯过程回归模型，利用六个统计特征通过排列组合所得到多个特征组合对该模型进行训练；步骤S3、利用训练后的单核高斯过程回归模型以及各特征组合对锂电池健康状况进行估计，从而确定最优的特征组合；步骤S4、构建双核高斯过程回归模型，利用北方苍鹰算法对该双核高斯过程回归模型的超参数进行搜索寻优，得到最终的预测模型；步骤S5、根据预测模型和最优的特征组合对锂电池健康状况进行估计。本发明能够有效提高估计精度。

本发明授权一种基于统计特征分析的锂电池健康状态估计方法在权利要求书中公布了：1.一种基于统计特征分析的锂电池健康状态估计方法，其特征在于：包括如下步骤： 步骤S1、根据电池的充电电压曲线、充电容量曲线、IC曲线和温度曲线获取N个初始特征，并根据这N个初始特征分别获取六个统计特征：均值特征FA、中位数特征FM、下四分位数特征FLQ、上四分位数特征FUQ、极差特征FR、标准差特征FSD； 步骤S2、构建单核高斯过程回归模型，将步骤S1获取的六个统计特征通过排列组合得到多个特征组合，利用该多个特征组合对单核高斯过程回归模型进行训练，其中，特征组合包括一个或者多个统计特征； 步骤S3、利用训练后的单核高斯过程回归模型以及步骤S2的各特征组合对锂电池健康状况进行估计，从而确定最优的特征组合； 步骤S4、构建双核高斯过程回归模型，利用北方苍鹰算法对该双核高斯过程回归模型的超参数进行搜索寻优，并将得到的最优超参数带入双核高斯过程回归模型，得到最终的预测模型； 步骤S5、根据步骤S4所得的预测模型和步骤S3所得的最优的特征组合对锂电池健康状况进行估计； 进一步的，所述步骤S1中，所述均值特征所述中位数特征所述下四分位数特征所述上四分位数特征所述极差特征FR＝HIN-HI1，所述标准差特征其中，HIi表示第i个初始特征，i＝1,2,…,N； 进一步的，所述步骤S2中，对六个统计特征进行排列组合得到的特征组合分别为：仅包括一个统计特征的特征组合、包括两个不同统计特征的特征组合、包括三个不同统计特征的特征组合、包括四个不同统计特征的特征组合、包括五个不同统计特征的特征组合和包括六个统计特征的特征组合； 进一步的，步骤S4中，所构建的双核高斯过程回归模型的核函数K＝Ma3+Ma5，其中，式中，δf1表示核函数Ma3的信号方差，δl1表示核函数Ma3的长度尺度，δf2表示核函数Ma5的信号方差，δl2表示核函数Ma5的长度尺度，xi表示观测数据，xj表示输入特征向量。

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泉州装备制造研究所，其通讯地址为：362216 福建省泉州市台商投资区洛阳镇上浦村吉贝511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。