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！

龙图腾网获悉上海理工大学申请的专利一种基于机器学习的锂离子电池早期寿命异常检测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：CN117171640B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202311121490.6，技术领域涉及：G06F18/241；该发明授权一种基于机器学习的锂离子电池早期寿命异常检测方法是由来鑫;朱佳俊;唐晓鹏;郑岳久;柯鹏辉设计研发完成，并于2023-09-01向国家知识产权局提交的专利申请。

本一种基于机器学习的锂离子电池早期寿命异常检测方法在说明书摘要公布了：本发明提供一种基于机器学习的锂离子电池早期寿命异常检测方法，属于锂离子电池管理技术领域，包括1对多个锂离子电池进行加速老化测试，并定义电池寿命标签；2对此测试后数据集施加数据处理方法；3选取处理后数据集中部分电压电流数据作为特征向量，得到矩阵；4基于标签，判断任意两个电池的标签是否相同；5将矩阵和真假值作为输入训练神经网络模型，并将结果二值化，得到分类器；6选取一个电池与未知电池生成特征矩阵，输入分类器中，完成基于机器学习的锂离子电池早期寿命异常的检测，本发明所提出的方法不需要对电压电流数据进行额外处理，且准确率高和虚警率低，具有巨大的工程应用潜力。

本发明授权一种基于机器学习的锂离子电池早期寿命异常检测方法在权利要求书中公布了：1.一种基于机器学习的锂离子电池早期寿命异常检测方法，其特征在于，包括如下步骤： S1：选择多个锂离子电池作为样本电池，对样本电池进行加速老化测试，并根据测试结果定义电池寿命标签； S2：对样本电池加速老化测试的数据的数据集施加数据处理方法，数据处理方法包括三个步骤，分别为数据分割、正常数据缩减和异常数据扩充； S3：从数据处理后的数据集中选取第一个循环测试中恒压的电流数据和恒流的电压数据作为电池的特征向量，将任意两个电池的特征向量合成特征矩阵； S4：基于S1中的电池寿命标签，通过比较任意两个电池的标签可知是否属于同类电池，其判断结果作为后续分类器模型训练的输出； S5：以特征矩阵和真假值为输入对神经网络模型进行离线训练，将训练结果二值化，得到判断电池是否为同类别的分类器； S6：从已知类别的测试集中逐步选取一个电池与未知电池生成特征矩阵，输入分类器中，完成基于机器学习的锂离子电池早期寿命异常的检测； 所述S2中，所述数据分割具体为：在数据划分时将正常电池按对半划分为训练集和测试集，异常电池采用留一法划分； 所述正常数据缩减具体为：对于训练集中的每一个异常电池，通过检查其老化轨迹，找出与其老化轨迹最接近的N1个正常电池，将挑选出的正常样本作为边界，对正常电池和异常电池进行分类； 所述异常数据扩充具体为：通过使用前N2个周期收集的数据来丰富训练集； 所述S4中，判断结果通过二值化表示，表示为：当两个电池标签相同时，即为真，为；当两个电池标签不同时，即为假，为。

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理工大学，其通讯地址为：200093 上海市杨浦区军工路516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。