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！

龙图腾网获悉珠海市贡峰新能源开发有限公司申请的专利基于超声监测的极充电池临界充电预警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：CN121216683B 。

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：202511760234.0，技术领域涉及：H02J7/82；该发明授权基于超声监测的极充电池临界充电预警方法是由梅沁园;饶利容;何嘉兴设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本基于超声监测的极充电池临界充电预警方法在说明书摘要公布了：本发明提供基于超声监测的极充电池临界充电预警方法，涉及充电预警技术领域。包括：实时采集回声信号的幅值与传播时间，以此反推电芯内部电解液浓度、极化程度；根据电解液浓度、极化程度与BMS的SOC估算值进行交叉校验，修正因温度、老化导致的累计误差；根据精准SOC校准值和超声监测电芯充放电末期的阻抗变化特征，建立满电临界判据；根据电芯实际容量衰减数据及满电临界判据、用户行驶工况，计算不同工况下的剩余续航需求，调整低电量预警阈值；当电芯实时SOC小于预警阈值时，触发极充安全预警并向车载终端推送续航。本发明通过全链路闭环设计，为极充场景提供精准、动态且安全的预警保障。

本发明授权基于超声监测的极充电池临界充电预警方法在权利要求书中公布了：1.基于超声监测的极充电池临界充电预警方法，其特征在于，包括： S1：向电芯发射高频超声波，实时采集回声信号的幅值与传播时间，以此反推电芯内部电解液浓度、极化程度； 根据回声信号幅值和传播时间计算电芯电解液浓度和极化程度的具体步骤为： S11：采集不同浓度电解液在各温度下的历史回声幅值，覆盖设定浓度和温度范围，得到基础数据集； S12：使用所述基础数据集训练SVR模型，通过参数优化使模型误差符合要求，得到浓度估算模型； S13：采集电芯无极化状态的传播时间作为基准t0，获取不同极化操作下的实时传播时间treal，计算极化传播时间差△t1并关联极化程度，构建极化数据集； S14：将所述极化数据集输入BP神经网络，以△t1和温度为输入，极化系数为输出，设置隐藏层神经元数量训练模型，得到极化程度估算模型； S15：将实时采集的回声信号输入浓度估算模型，得到当前电解液浓度，计算实时传播时间treal，根据基准t0计算实时极化传播时间差△t2，将△t2与当前温度输入BP神经网络，输出极化程度系数； S2：根据所述电解液浓度、极化程度与BMS的SOC估算值进行交叉校验，修正因温度、老化导致的累计误差，得到精准SOC校准值； 修正因温度、老化导致的累计误差的具体步骤为： S21：将所述电解液浓度、极化程度，以及BMS输出的当前SOC估算值整合为交叉校验的初始数据集； S22：根据所述初始数据集构建卡尔曼滤波融合模型，将电解液浓度、极化程度作为状态观测变量，BMS的SOC估算值作为初始状态值，通过滤波方程建立变量间的动态关联，形成多源数据融合框架； S23：在所述多源数据融合框架中引入温度与老化因子，将电解液浓度随温度变化规律、极化程度与老化程度的关联特征转化为误差修正系数，嵌入卡尔曼滤波融合模型的预测-更新环节，对温度和老化影响进行量化补偿，得到优化卡尔曼滤波融合模型； S24：将实时电解液浓度和极化程度输入优化卡尔曼滤波融合模型进行迭代，计算观测值，修正SOC的估算结果，得到SOC修正值； S25：判断所述SOC修正值与BMS原始估算值的差值是否超过阈值，是则进行强制校准机制； S3：根据所述精准SOC校准值和提取的回声信号特征，建立非固定电压的满电临界判据； S4：计算电芯实际容量衰减数据，根据衰减数据和满电临界判据联动用户行驶工况，通过能耗模型计算不同工况下的剩余续航需求，动态调整低电量预警阈值； S5：当电芯实时SOC小于预警阈值时，触发极充安全预警，联动BMS限制初始充电功率，并向车载终端推送续航与充电建议； S6：记录每次预警触发后的电池变化数据，将变化数据输入交叉校验模型与能耗模型，更新交叉校验模型与能耗模型参数。

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珠海市贡峰新能源开发有限公司，其通讯地址为：519090 广东省珠海市高新区唐家湾镇金园一路6号1栋8层；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。