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！

龙图腾网获悉华东交通大学申请的专利一种基于联合状态估计的锂离子电池热管理控制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：CN120810089B 。

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：202511261734.X，技术领域涉及：H01M10/633；该发明授权一种基于联合状态估计的锂离子电池热管理控制方法是由陈齐平;张水根;黄薇;彭婷;徐彭飞;徐志昆;胡清峰;徐蝉;王庆翔;胡建平;文佳设计研发完成，并于2025-09-05向国家知识产权局提交的专利申请。

本一种基于联合状态估计的锂离子电池热管理控制方法在说明书摘要公布了：一种基于联合状态估计的锂离子电池热管理控制方法，包括：建立锂离子电池二阶RC等效电模型，并采用改进的鲁棒自适应多遗忘因子递归最小二乘法进行电模型参数辨识；建立锂离子电池的双状态集总参数热模型，采用改进的山羊优化算法进行热模型参数辨识；基于辨识的电模型与双状态集总参数热模型参数，构建电热耦合模型，然后构建基于近端策略优化算法的最小熵自适应卡尔曼滤波器，进而对电池的SOC和SOT进行联合估计；基于联合估计结果，构建深度强化学习优化的自适应模型预测控制算法，通过深度强化学习优化的自适应模型预测控制算法对锂离子电池进行热管理控制。本发明能够实现更加精确、有效的锂离子电池热管理控制。

本发明授权一种基于联合状态估计的锂离子电池热管理控制方法在权利要求书中公布了：1.一种基于联合状态估计的锂离子电池热管理控制方法，其特征在于，包括： 步骤S1，建立锂离子电池二阶RC等效电模型，并采用改进的鲁棒自适应多遗忘因子递归最小二乘法进行电模型参数辨识； 步骤S2，建立锂离子电池的双状态集总参数热模型，采用改进的山羊优化算法进行热模型参数辨识； 步骤S3，基于步骤S1与步骤S2中辨识的电模型与双状态集总参数热模型参数，构建电热耦合模型，并基于电热耦合模型，构建基于近端策略优化算法的最小熵自适应卡尔曼滤波器，进而对电池的SOC和SOT进行联合估计； 步骤S4，基于步骤S3中的联合估计结果，构建深度强化学习优化的自适应模型预测控制算法，通过深度强化学习优化的自适应模型预测控制算法对锂离子电池进行热管理控制； 其中，步骤S3具体包括： 构建锂离子电池的二阶RC等效电模型的状态空间方程并离散； 构建双状态集总参数热模型的状态空间方程并离散； 通过电模型和热模型之间的双向耦合关系，构建电热耦合模型，并同步更新电模型的温度依赖参数，表达式为： 其中，为时刻电池总的内部产热功率，为随电池温度变化的欧姆电阻，为电池的当前绝对温度，为开路电压对温度的偏导数，为时刻随温度变化的开路电压； 然后构建基于近端策略优化算法的最小熵自适应卡尔曼滤波器，流程为： 定义滤波器的熵为： 其中，为时刻的熵，是以自然对数为底的对数函数，为滤波器的协方差矩阵，为滤波器的观测矩阵，为时刻状态估计的误差协方差矩阵，为测量噪声的协方差矩阵； 优化目标是最小化累积熵，表达式为： 其中，是优化目标函数，是总时刻； 通过近端策略优化算法对最小熵自适应卡尔曼滤波器进行优化，将滤波器的超参数的调整建模为策略，是在状态下选择动作的概率，奖励的表达式为： 其中，是平滑系数，和分别是时刻和时刻的状态估计值； 近端策略优化算法的目标函数为： 其中，为期望函数，表示取最小值，为重要性采样比，为优势函数，为裁剪函数，是一个超参数，为旧策略，为折扣因子，为广义优势估计参数，为时刻的熵； 价值函数的损失为： 其中，为价值函数，为从时刻到时刻的折扣累积回报； 在策略优化中增加熵正则项，表达式为： 其中，为熵系数，为策略在状态下的熵； 对滤波器参数、近端策略优化算法的策略网络和价值网络进行初始化，然后进行滤波器的预测与更新，表达式为： 其中，为时刻的状态预测值，为状态转移矩阵，为预测误差协方差矩阵，为时刻状态估计的误差协方差矩阵，为过程噪声协方差矩阵，为卡尔曼增益，为时刻的实际测量值，为单位矩阵； 然后计算熵和奖励，再根据策略选择参数调整动作，更新和，接着存储数据，最后执行近端策略优化算法更新，优化目标函数和价值函数的损失，从而构建得到基于近端策略优化算法的最小熵自适应卡尔曼滤波器，进而对电池的SOC和SOT进行联合估计。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。