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！

龙图腾网获悉北京理工大学申请的专利基于物理信息神经网络的航天器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：CN116413629B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310298893.1，技术领域涉及：G01R31/392；该发明授权基于物理信息神经网络的航天器锂电池健康状态估计方法是由史大威;付晗静;崔楷欣;高天然设计研发完成，并于2023-03-24向国家知识产权局提交的专利申请。

本基于物理信息神经网络的航天器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物理信息神经网络的航天器锂电池健康状态估计方法，其特征在于，包括以下步骤：建立电池单体的二阶混合等效电路模型，将所述等效电路模型的开路电压与电池的荷电状态之间的关系采用多层感知器表示；利用所采集的样本数据中开路电压与电池的荷电状态，对所述多层感知器进行训练；将所述多层感知器作为物理神经网络模型的数据驱动层，设计物理信息神经网络模型；利用所采集样本数据中的放电曲线进行物理神经网络模型的训练，利用训练后的神经网络模型实现电池健康状态的估计。本发明无需额外的测试，在使用有限的数据建立物理信息神经网络模型的基础上，准确地实现健康状态在线估计，保证航天器稳定运行。

本发明授权基于物理信息神经网络的航天器锂电池健康状态估计方法在权利要求书中公布了：1.一种基于物理信息神经网络的航天器锂电池健康状态估计方法，其特征在于，包括以下步骤： 建立电池单体的二阶混合等效电路模型，将所述等效电路模型的开路电压与电池的荷电状态之间的关系采用多层感知器表示； 利用所采集的样本数据中开路电压与电池的荷电状态，对所述多层感知器进行训练； 将所述多层感知器作为物理神经网络模型的数据驱动层，设计物理信息神经网络模型； 利用所采集样本数据中的放电曲线进行物理神经网络模型的训练，利用训练后的神经网络模型实现电池健康状态的估计； 所述物理神经网络模型分为物理层、数据驱动层以及加和层；其中所述物理层的一输出端连接加和层的输入端，另一输出端连接数据驱动层的输入端，所述数据驱动层的输出端连接加和层的输入端； 所述物理层的输入为电流xk，其更新公式为： hk＝gWhhhk-1+Whxxk+bh 其中，和分别表示RC网络两个并联部分的电压，g·是激活函数，SOCk表示电池的荷电状态，Whh和Whx表示权重系数，bh为设定偏差； 所述加和层的更新公式为： yk＝Wyhhk+Wyxxk+by 权重矩阵为： Wyh＝[-1-1fSOC]，Wyx＝-R0 其中，fSOC为数据驱动层的输出，by为设定偏差。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。