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！

龙图腾网获悉北京迅巢科技有限公司申请的专利BMS中电芯失效预测的深度学习方法及装置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：CN119807906B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202510293964.8，技术领域涉及：G06F18/2415；该发明授权BMS中电芯失效预测的深度学习方法及装置是由秦蕴凯设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本BMS中电芯失效预测的深度学习方法及装置在说明书摘要公布了：本申请涉及电池监测技术领域，具体为BMS中电芯失效预测的深度学习方法及装置，方法包括：采集电芯多模态运行数据，划分为时序样本；提取时序样本的时域特征、频域特征和差分特征，利用皮尔森相关系数和互信息进行特征选择，并通过主成分分析降维，构建数据集；基于门控循环单元模型构建电芯失效预测模型，结合注意力机制优化模型性能；在预测电芯失效的基础上，预测电池健康状态与失效时间，引入自适应失效阈值机制，动态调整失效判断标准；构建基于样本选择的增量学习框架，通过新工况样本动态调整预测模型。本方法可显著提升电芯失效预测的准确性、鲁棒性及对复杂工况的适应能力，为电池管理系统提供更可靠的决策支持。

本发明授权BMS中电芯失效预测的深度学习方法及装置在权利要求书中公布了：1.BMS中电芯失效预测的深度学习方法，其特征在于，包括： 采集多模态电芯运行数据，对采集到的多模态电芯运行数据进行预处理，采用滑动窗口的方式划分为时序样本； 提取所述时序样本的时域特征、频域特征和差分特征，利用皮尔森相关系数和互信息进行特征选择，并采用主成分分析方法进行降维处理，构建数据集； 构建基于门控循环单元GRU模型的电芯失效预测模型，通过数据集数据训练GRU模型，在GRU模型中加入注意力机制，对GRU模型进行训练，并优化模型参数； 在GRU模型的输入层接收时序样本的特征向量，输出层输出电芯失效概率；在GRU模型的输入层和输出层之间，设置多个GRU隐藏层，每个隐藏层设置多个GRU单元； 在构建的GRU模型中引入注意力机制，通过注意力机制以使GRU模型关注时序样本信息；采用交叉验证方法对GRU模型的超参数进行调优; 对电芯失效预测模型进行扩展，在预测电芯失效的同时，预测电池健康状态和失效时间，并引入自适应失效阈值机制； 把电池健康状态定义为电池当前容量与初始容量的比值，将失效时间定义为电池从当前时刻到失效时刻的剩余循环次数；将电池健康状态预测和将失效时间预测建模为回归问题； 基于已构建的GRU模型，引入电池健康状态预测和失效时间预测的输出分支，通过GRU模型中的GRU编码器提取时序样本的特征表示，再通过全连接层映射到不同任务的输出； 引入自适应失效阈值机制，根据电池的电池健康状态预测值和失效时间预测值动态调整电芯失效概率阈值； 针对电芯工作时产生的新工况条件，构建基于样本选择的增量学习框架，通过新工况样本，对电芯失效预测模型进行调整。

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北京迅巢科技有限公司，其通讯地址为：101204 北京市平谷区中关村科技园区平谷园马坊工业园1区897号-21033；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。