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！

龙图腾网获悉电子科技大学申请的专利一种基于神经网络的锂硫电池热失控监测方法与系统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：CN121324974B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511886028.4，技术领域涉及：G01R31/367；该发明授权一种基于神经网络的锂硫电池热失控监测方法与系统是由寇光明;闫裔超;雷天宇设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种基于神经网络的锂硫电池热失控监测方法与系统在说明书摘要公布了：本发明提供一种基于神经网络的锂硫电池热失控监测方法与系统，包括：S1：采集单体电池状态数据、组级散热数据、电池舱内温度数据并进行预处理；S2：分别构建双分支门控网络、多头注意力增强机制、多尺度残差增强型网络，依次提取双模态电池特征、电池异质性特征、深层异质性特征；S3：通过温场关联门控融合机制，提取温场关联特征；再提取单体‑整体温场共轭特征；S4：通过双特征内在关联动态加权机制，提取跨维度融合特征；计算各单体电池的异常热度值、整体热失控风险等级；S5：在监控终端进行可视化展示，并触发预警信号。本发明可解决传统方法无法融合单体异质性与整体温场关联导致的局部过热易漏判的问题。

本发明授权一种基于神经网络的锂硫电池热失控监测方法与系统在权利要求书中公布了：1.一种基于神经网络的锂硫电池热失控监测方法，其特征在于，包括以下步骤： S1：采集单体电池状态数据、组级散热数据和电池舱内温度数据，进行预处理，得到预处理后的单体电池状态数据、预处理后的组级散热数据、预处理后的舱内温度数据； S2：根据预处理后的单体电池状态数据，构建双分支门控网络，提取双模态电池特征，具体过程为： 根据预处理后的单体电池状态数据，构建双分支门控网络，通过一维卷积层提取每个单体电池的动态数据初步特征，通过多层感知机提取每个单体电池的循环次数初步特征，通过动态数据门对所有单体电池的动态数据初步特征进行加权处理，通过循环次数门对所有单体电池的循环次数初步特征进行加权处理，将加权后的两类特征进行逐元素相加，再通过卷积层处理，得到双模态电池特征； 再构建多头注意力增强机制，计算电池异质性特征，具体过程为： 根据双模态电池特征和单体循环次数，构建多头注意力增强机制，计算每个单体电池的老化因子；基于所有单体电池的老化因子与双模态电池特征，计算得到多头注意力权重矩阵；计算权重校准系数并对多头注意力权重矩阵进行校准；通过校准后的多头注意力权重矩阵，对双模态电池特征进行加权处理，得到电池异质性特征； 最后基于多尺度残差增强型网络，提取深层异质性特征，具体过程为： 将电池异质性特征输入多尺度残差增强型网络，先对电池异质性特征进行维度重塑，分别通过三层具有不同尺寸卷积核的卷积层提取三类尺度卷积特征，将三类尺度卷积特征进行逐元素相加得到多尺度融合卷积特征，对多尺度融合卷积特征进行残差处理得到残差特征，对残差特征进行全局平均池化处理，得到深层异质性特征； S3：根据深层异质性特征、预处理后的组级散热数据、预处理后的舱内温度数据，通过温场关联门控融合机制，提取温场关联特征；再结合深层异质性特征，建模单体与整体温场的传导关联，得到单体-整体温场共轭特征； 所述温场关联特征通过所述温场关联门控融合机制，将深层异质性特征、由预处理后的组级散热数据提取的组级散热特征、由预处理后的舱内温度数据提取的舱内温度特征，经温场关联门分别加权后进行融合，再通过卷积处理得到， 具体过程为： S31：根据深层异质性特征、预处理后的组级散热数据、预处理后的舱内温度数据，通过温场关联门控融合机制，实现多源数据初步融合，得到温场关联特征，计算方式为： ， 其中，为组级散热特征，为一维卷积层，为预处理后的组级散热数据，为舱内温度特征，为预处理后的舱内温度数据，为门控循环单元，为温场关联门，为Sigmoid函数，为多层感知机，为拼接操作，为深层异质性特征，为锂硫电池热传导系数，为哈达玛积，为温场关联特征，为卷积层，为逐元素相加，分别为温场关联门经张量切片后的第1、2、3列数据； S32：基于温场关联特征、深层异质性特征，建模单体与整体温场的传导关联，得到单体-整体温场共轭特征，计算方式为： ， 其中，为热传导耦合矩阵，为Softmax函数，为传导耦合增强特征，为锂硫电池热容量参数，为单体-整体温场共轭特征； S4：根据深层异质性特征、单体-整体温场共轭特征，通过双特征内在关联动态加权机制，提取跨维度融合特征；再计算各单体电池的异常热度值与电池组整体热失控风险等级； S5：根据各单体电池的异常热度值与电池组整体热失控风险等级，在监控终端进行可视化展示，并触发预警信号。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。