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！

龙图腾网获悉南京邮电大学申请的专利一种基于机理与数据融合驱动的锂电池SOC-SOH联合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：CN119150224B 。

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：202411172109.3，技术领域涉及：G06F18/25；该发明授权一种基于机理与数据融合驱动的锂电池SOC-SOH联合估计方法是由施涛;罗兰;周航宇;盛佳林设计研发完成，并于2024-08-26向国家知识产权局提交的专利申请。

本一种基于机理与数据融合驱动的锂电池SOC-SOH联合估计方法在说明书摘要公布了：本发明公开了一种基于机理与数据融合驱动的锂电池SOC‑SOH联合估计方法，包括如下步骤：首先，使用相空间重构后的多维数据集对最小二乘支持向量机LSSVM，LeastSquareSupportVectorMachines预测模型进行训练。然后，基于安时积分法和容量衰减的经验模型建立状态方程，通过LSSVM预测模型建立IUPF观测方程，代入改进的无迹粒子滤波算法IUPF，IntermediateUPF进行状态估计和参数更新。最后，更新后的LSSVM模型参数迭代到训练数据集，实现电池SOCStateOfCharge和SOHStateOfHealth的联合预测和数据驱动模型的在线更新。本发明提出的一种基于机理与数据融合驱动的锂电池SOC‑SOH联合估计方法，实现了锂电池荷电状态SOC和健康状态SOH的联合估计，考虑系统的状态噪声和量测噪声，以保证电池状态估计结果的精度和稳定。

本发明授权一种基于机理与数据融合驱动的锂电池SOC-SOH联合估计方法在权利要求书中公布了：1.一种基于机理与数据融合驱动的锂电池SOC-SOH联合估计方法，其特征在于，包括如下步骤： 步骤1：分别构建锂电池SOC值和当前最大可用容量的时序的多维数据集，利用Takens嵌入方法重构从初始时刻到k-1时刻的训练数据，在相空间生成d维向量； 步骤2：相空间重构，将多维数据集重构出与动力系统相同的拓扑意义的相空间； 步骤3：将重构后的最小二乘支持向量机LSSVM，LeastSquareSupportVectorMachines预测模型进行离线训练； 步骤4：根据安时积分法和电池容量退化经验模型分别建立SOC和SOH估计的状态方程；通过LSSVM在线预测模型分别建立SOC和SOH估计的观测方程； 步骤4.1：根据安时积分法和电池容量退化经验模型分别建立SOC和SOH估计的IUPF状态方程； 步骤4.2：离线的LSSVM训练得到的SOC和SOH作为虚拟观测值，利用LSSVM回归模型作为观测方程； 步骤5：根据从初始时刻到k-1时刻的训练数据训练LSSVM的离线模型，使用改进的无迹粒子滤波算法IUPF，IntermediateUPF估计在k时刻的回归预测模型的LSSVM参数； 步骤6：IUPF算法在k时刻观测到新的数据，系统使用增量式的学习方法，仅学习和更新数据的信息，更新粒子权重，结合LSSVM在线模型给出SOC、SOH和LSSVM参数的进一步预测值，其中IUPF算法框架的状态方程和观测方程如下： 其中，sk＝[γkσk]，γk为正则项系数，σk为核参数，sk为IUPF状态空间方程中的状态向量，ωk、ξk是相互独立的高斯白噪声； 基于安时积分法建立的SOC估计的状态方程离散化表示如下： SOCk为k时刻锂电池的SOC值；Δtk为系统采样时间；Ik为k时刻系统输入电流； 步骤7：更新后的LSSVM模型参数迭代到训练数据集，以用于k+1时刻的状态估计，从而实现电池SOC和SOH的联合预测和数据驱动模型的在线更新。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区亚东新城区文苑路9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。