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！

龙图腾网获悉中南大学申请的专利一种基于交叉注意力机制的锂离子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：CN119827991B 。

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：202411879714.4，技术领域涉及：G01R31/367；该发明授权一种基于交叉注意力机制的锂离子电池健康状态估计方法是由陈宁;谢逸航;阳春华;赵旭;桂卫华;刘一顺;周宇;廖坚任设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种基于交叉注意力机制的锂离子电池健康状态估计方法在说明书摘要公布了：本发明公开了一种基于交叉注意力机制的锂离子电池健康状态估计方法，首先，采集锂离子电池的电压、电流和温度运行数据，并划分充电片段和放电片段。在充电片段和放电片段中提取并量化反映电池老化模式和反映电池使用行为的健康指标。然后，采用堆叠的卷积神经网络对充电片段进行卷积运算，获得充电数据深度特征，并利用交叉注意力权重分配将充电数据深度特征与健康指标进行互补融合，获得与电池健康状态最具相关性的融合特征。最后，将融合特征输入全连接神经网络，预测电池的健康状态和分析引起电池健康状态下降的主要因素。本发明能够在车辆电池随机充放电条件下精准预测电池健康状态，同时获得引起电池健康状态下降的主要因素。

本发明授权一种基于交叉注意力机制的锂离子电池健康状态估计方法在权利要求书中公布了：1.一种基于交叉注意力机制的锂离子电池健康状态估计方法，其特征在于，包括以下步骤： 步骤S100、数据准备，在锂离子电池的使用过程中，获得电池管理系统记录的电池总电压、总电流、温度和荷电状态的历史数据； 步骤S200：充放电片段划分，根据充电标志位划分历史数据中的充电片段和放电片段； 步骤S300：计算反映电池老化模式和使用行为的健康指标xh，从充电片段中计算反映电池活性物质损失、锂离子损失和电导率损失三种老化模式的健康指标；还从充电片段和放电片段中计算反映电池使用行为的健康指标，包括平均充电倍率、充放电倍率与温度、充放电深度与温度、电池累积循环次数、行驶里程和放电电流信息熵六种使用行为的健康指标； 步骤S300具体包括： 步骤S310：从充电片段中计算反映电池活性物质损失老化模式的健康指标 从充电片段的充电数据中截取近似恒流段充电电流记作Icck，充电电压记作Vcck，对近似恒流片段的充电电压Vcck进行平滑和插值，得到采用式2计算增量容量曲线 其中，ΔQcck为当前k时刻近似恒流段的充电容量，sigmoid·为sigmoid函数； 采用式3计算反映电池活性物质损失的健康指标 其中，和分别为电池第1次充电和第n次充电曲线的峰值，max为取最大值函数； 步骤S320：从充电片段中计算反映电池锂离子损失老化模式的健康指标 采用固定SOC间隔之间充入的容量来定量量化电池锂离子损失老化模式，一个起始SOC和一个终止SOC被选定以覆盖数据集中大多数的随机充电情况，记作和对应的时间分别为k1和k2；然后，k1和k2之间的部分充电容量Qs被计算，如式4所示 其中，Ichj为第j个时刻的充电电流，Δt为电流采样时间间隔；然后，计算第n次充电的Qs和初始Qs之间的变化率作为如式5所示 其中Qs,1和Qs,n分别为电池第1次充电和第n次充电中SOC在和之间的部分充电容量； 步骤S330：从充电片段中计算反映电池电导率损失老化模式的健康指标； 电池电导率损失用欧姆内阻来量化，由于欧姆内阻随温度和SOC因素变化，因此采用相对固定的100％SOC下的欧姆内阻作为电池电导率损失老化模式的量化指标，如式6所示 其中，Rohm,1和Rohm,k分别为电池第1次和第k次充电过程的100％SOC内阻； 步骤S400：采用堆叠的卷积神经网络对充电片段进行卷积运算，获得充电数据深度特征Fc； 步骤S400具体包括： 计算充电数据的深度特征，充电片段中起始SOC小于81％且终止SOC大于98％的充电数据被视为有效充电数据，采用PCHIP插值方法对充电片段的充电数据进行插值，获取等时间间隔采样的充电电压Vchk、电流Ichk、温度Tchk和SOCk作为充电数据编码器子网络的输入，如式13所示 xc＝{[Vchk,Ichk,Tchk,SOCk]i,k＝1,2,...,L}13 对于充电数据编码器，采用堆叠的一维卷积神经网络进行编码，一维卷积神经网络的计算过程如式14所示 其中，xj+m-1为充电数据xc的第j+m-1维度特征，hm为卷积核，b为卷积神经网络的偏置，σ·为激活函数； 步骤S500：采用交叉注意力机制融合充电数据深度特征Fc与健康指标xh，基于交叉注意力机制，分别对充电数据深度特征进行健康指标相关的注意力增强和对健康指标进行充电数据深度特征相关的注意力增强，获得与电池健康状态最具相关性的融合特征Ac和Ah； 步骤S600：将融合特征Ac和Ah输入全连接神经网络，预测电池的健康状态；并且对健康指标xh的注意力权重Sh进行分析，获得引起电池健康状态下降的主要因素。

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中南大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路932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。