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！

龙图腾网获悉深圳有电物联科技有限公司申请的专利不间断电源的电池健康状态监测的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：CN116385956B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310158266.8，技术领域涉及：G06V20/52；该发明授权不间断电源的电池健康状态监测的方法和系统是由翁振锋;赖剑岭;张华山;贺良;赵阳;曾念寅;张柯歌;梁国团设计研发完成，并于2023-02-13向国家知识产权局提交的专利申请。

本不间断电源的电池健康状态监测的方法和系统在说明书摘要公布了：本发明涉及一种不间断电源的电池健康状态监测的方法，包括：采集不间断电源的电池红外图像和基本属性数据；对基本属性数据中的电压、电流数据进行小波包变换，产生时域图，与红外图像进行融合；将融合图像和基本属性数据分别输入到旁路自由注意力分类器和基于主动学习的支持向量机分类器进行训练，分别输出分类结果；将旁路自由注意力分类器和基于主动学习的支持向量机分类器的分类结果输入到多模态融合分类器进行融合预测；对多模态融合分类器进行测试集测试，将满足性能要求的多模态融合分类器作为不间断电源配置的实时电池健康状态监测部署模型；得到最终的电池健康状态预测，还提供了使用上述方法的不间断电源的电池健康状态监测的系统。

本发明授权不间断电源的电池健康状态监测的方法和系统在权利要求书中公布了：1.一种不间断电源的电池健康状态监测的方法，其特征在于，所述方法包括： 步骤101，采集所述不间断电源的电池红外图像和基本属性数据，对所述红外图像和所述基本属性数据进行筛选及处理； 步骤102，对所述基本属性数据中的电压、电流数据进行小波包变换，产生时域图，与所述红外图像进行融合，生成融合图像，对所述融合图像进行操作划分； 步骤103，将训练集中的按时间进行关联的所述融合图像和所述基本属性数据分别输入到旁路自由注意力分类器和基于主动学习的支持向量机分类器进行训练，分别输出分类结果，所述的旁路自由注意力分类器包括旁路分辨率融合-骨干特征提取网络和通道融合-头部特征利用网络，所述融合图像输入到所述旁路自由注意力分类器中执行以下步骤：将所述融合图像输入到所述旁路分辨率融合-骨干特征提取网络，所述骨干特征提取网络通过多个卷积-正则化-非线性模块提取特征图，并与从旁路网络引入的分辨率特征图再次经卷积-正则化-非线性模块及融合模块，按特定维度拼接融合后，输入到旁路分辨率融合自由注意力模块进行自由注意力关注，再经最大池化卷积模块进行特征压缩和提取，又经图像特征信息增强模块进一步特征提取，然后输入到位置嵌入模块和自注意力编码器模块进行特征细化；将所述特征细化后的特征图输入到所述通道融合-头部特征利用网络，先进行分辨率扩大，维度减小，再进行分辨率减小，维度扩大操作，同时将不同通道数的特征图经融合模块拼接融合后，输入到通道融合自由注意力模块进行自由注意力关注，输入到位置嵌入模块和自注意力编码器模块进行特征细化；将再次特征细化后的特征图输入到重参化卷积模块作进一步特征细化；输出分类结果； 步骤104，将所述旁路自由注意力分类器和所述基于主动学习的支持向量机分类器的分类结果输入到多模态融合分类器进行融合预测，所述多模态融合分类器为卷积神经网络自学习权重融合器，将所述旁路自由注意力分类器和所述基于主动学习的支持向量机分类器的分类结果通过自主学习最适合的权重分配； 步骤105，对所述多模态融合分类器进行测试集测试，若满足性能要求，停止训练，将满足性能要求的所述多模态融合分类器作为所述不间断电源配置的实时电池健康状态监测部署模型； 步骤106，得到最终的电池健康状态预测。

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深圳有电物联科技有限公司，其通讯地址为：518000 广东省深圳市宝安区新安街道大浪社区28区创业二路丰业盛厂房1栋美合意谷301；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。