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！

龙图腾网获悉青岛腾信汽车网络科技服务有限公司;西华大学申请的专利基于大数据分析的纯电动汽车动力电池评价指标构建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：CN116381500B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310160821.0，技术领域涉及：G01R31/367；该发明授权基于大数据分析的纯电动汽车动力电池评价指标构建方法是由裴海波;皮丽芳;陈子龙设计研发完成，并于2023-02-23向国家知识产权局提交的专利申请。

本基于大数据分析的纯电动汽车动力电池评价指标构建方法在说明书摘要公布了：本发明公开了基于大数据分析的纯电动汽车动力电池评价指标构建方法，包括下列步骤：A1.将车辆标记，A2、第P1辆车辆行驶使用过程中，A3、第P2……Pn辆新车重复步骤A2，A5、剔除第1个DBND参数按照正态分布后的1％之前数据与99％之后数据，A6、将标定样本作为目标值，A7、使用神经网络模型MM1……MMn在各采样点处的计算值作为因变量，A8、使用回归分析法，A9、另提取出多个回归方程中综合误差率最低的一个或多个回归方程作为连续型参数预测模型。本发明与传统的神经网络模型计算方法相比计算量大大减小，与单一的相关性回归预测法相比准确度和适应性更好，具有广阔的实际应用价值。

本发明授权基于大数据分析的纯电动汽车动力电池评价指标构建方法在权利要求书中公布了：1.基于大数据分析的纯电动汽车动力电池评价指标构建方法，其特征在于，包括下列步骤： A1.将车辆类型相同、配用动力电池相同的若干辆车辆分别标记为P1、P……P,所述车辆配有通过通信设备向服务器上传数据的通信模块； A2、第P辆车辆行驶使用过程中，按一定的采样周期T采集车辆动力电池容量衰减率C%，将多个采样周期T采集到的多个C%作为标定样本；同时按采样周期T同步采集车辆参数指标集[V]与动力电池参数指标集[B]；所述[V]包括多个车辆行驶时的车辆自身相关参数，所述[B]包括多个与车辆搭载的动力电池相关的参数；所述标定样本、[V]、[B]上传至服务器； A3、第P……P辆新车重复步骤A2，得到C%的数值不同时，对应的多个车辆参数指标集[V]……[V]，以及多个动力电池参数指标集[B]……[B] A4、对[V]……[V]与[B]……[B]中的多个参数进行统计学分类，将多个参数分别划分为定序型参数DX或连续型参数DB； 对于参数DB，提取n辆车在同一采样周期T下的n个参数，检验该n个参数的正态分布，出现不符合正态分布，则剔除采样点以及该采样点下的n个参数值；出现符合正态分布，则保留；保留的采样点的数量值占总采样点的90%以上时，则将对应的参数DB中的剩余数据定义为DBND参数并进行保留； A5、剔除第1个DBND参数按照正态分布后的1%之前数据与99%之后数据，保留正态分布中1%～99%包络数据；依次类推重复A5步骤，对剩余所有DBND参数进行处理； A6、将标定样本作为目标值，将第1个DBND参数数据作为输入参数，使用CNN卷积神经网络建立神经网络模型MM；依次类推，多个DBND参数得到多个神经网络模型MM……MM A7、使用神经网络模型MM……MM在各采样点处的计算值作为因变量，将标定样本作为自变量；使用相关性分析法，对标定样本与多个神经网络模型的计算值之间分别进行相关性分析；得到相关系数γ与显著性检验概率ρ%，提取显著性检验概率ρ%＜0.05，且相关系数γ值最大的一个或多个神经网络模型，形成连续型模型组[MM] A8、使用回归分析法，建立标定样本与连续型模型组[MM]中某个神经网络模型的计算值的回归方程；建立的回归方程数量与[MM]中神经网络模型的计算值数量一致； A9、另选择m辆车辆，使用步骤A8中的回归方程，按采样周期依次预测各C%的数值，并将预测结果与该m辆车辆实际行驶过程中的C%进行对比，对比结果的综合误差率≤5%判定为合格；所述的综合误差率为所有采样点处的误差率的均方根值； 提取出多个回归方程中综合误差率最低的一个或多个回归方程作为连续型参数预测模型。

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青岛腾信汽车网络科技服务有限公司;西华大学，其通讯地址为：266113 山东省青岛市城阳区河套龙海路569号-151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。