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！

龙图腾网获悉泉州装备制造研究所;中国科学院福建物质结构研究所申请的专利多特征解耦与深度学习的电池内部温度监测方法和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：CN121541072B 。

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：202610050330.4，技术领域涉及：G01R31/367；该发明授权多特征解耦与深度学习的电池内部温度监测方法和系统是由韩军;曾镇源;龙晋桓;汪风宇;吴飞斌;黄惠玲;江兴华;林世俊;席梦娟设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。

本多特征解耦与深度学习的电池内部温度监测方法和系统在说明书摘要公布了：本发明适用于电池技术领域，提供了多特征解耦与深度学习的电池内部温度监测方法和系统。所述方法包括：获取超声探测电池的多维声学特征集，所述多维声学特征集包括飞行时间、表面波幅值和底波相移；对所述多维声学特征集进行解耦处理，以消除SOC对声学特征的耦合干扰，得到解耦后的声学特征；将所述解耦后的声学特征输入至预先训练的深度学习模型中，输出电池内部温度。本发明消除SOC等非温度因素对原始超声特征的耦合干扰，实现对内部温度的高精度估计。

本发明授权多特征解耦与深度学习的电池内部温度监测方法和系统在权利要求书中公布了：1.多特征解耦与深度学习的电池内部温度监测方法，其特征在于，所述方法包括： 获取超声探测电池的多维声学特征集，所述多维声学特征集包括飞行时间、表面波幅值和底波相移； 对所述多维声学特征集进行解耦处理，以消除SOC对声学特征的耦合干扰，得到解耦后的声学特征； 将所述解耦后的声学特征输入至预先训练的深度学习模型中，输出电池内部温度； 所述深度学习模型包括： CNN特征提取模块，用于从输入序列中提取局部瞬态特征； BiLSTM序列建模模块，用于从正反两个时序方向捕捉电池热行为的长期演化趋势与滞后效应； 注意力机制模块，对BiLSTM序列建模模块的输出序列进行加权聚焦，得到特征向量； 全连接层，用于对所述特征向量进行信息整合与非线性映射，得到电池内部温度； 所述解耦处理包括： 基于静态标定实验数据，构建FNN解耦模型，将所述多维声学特征集输入所述FNN解耦模型； 估计飞行时间的估计基准，计算测量值与所述估计基准之间的残差作为解耦后的新特征； 设定SOC阈值，超过所述SOC阈值时计算所述底波相位偏移的残差，未超过则保留其原始信号； 将未经处理的表面波振幅、全程解耦的飞行时间残差和条件解耦后的底波相位偏移进行组合，得到所述解耦后的声学特征。

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泉州装备制造研究所;中国科学院福建物质结构研究所，其通讯地址为：362100 福建省泉州市台商投资区洛阳镇上浦村吉贝511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。