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！

龙图腾网获悉中建碳科技有限公司;中建生态环境集团有限公司申请的专利应用于电池管理系统的故障识别方法及服务器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：CN121071643B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511090069.2，技术领域涉及：G06F18/2415；该发明授权应用于电池管理系统的故障识别方法及服务器是由安为;张志杰;孙健;王海斌;姚子宣;赵华;高凯旋设计研发完成，并于2025-08-05向国家知识产权局提交的专利申请。

本应用于电池管理系统的故障识别方法及服务器在说明书摘要公布了：本发明提供一种应用于电池管理系统的故障识别方法及服务器，通过构建电池故障特征关联图谱，确定基准故障特征集及故障类型集，对针对电池实时运行过程中采集的运行特征序列进行演化轨迹提取，生成特征演化轨迹集，将所述特征演化轨迹集输入预设的多层级故障推理模型，对特征演化轨迹集与电池故障特征关联图谱的匹配关系进行层级递进推理，得到多层级故障概率分布；基于所述多层级故障概率分布及电池故障特征关联图谱进行故障传播路径回溯，生成候选故障路径集，对所述候选故障路径集进行置信度评估与排序，输出排序首位的目标故障路径及对应的故障定位信息。本发明可以有效提升电池故障识别的准确性、可靠性与全面性。

本发明授权应用于电池管理系统的故障识别方法及服务器在权利要求书中公布了：1.一种应用于电池管理系统的故障识别方法，其特征在于，包括： 构建电池故障特征关联图谱，确定基准故障特征集及故障类型集，所述电池故障特征关联图谱包含特征节点、类型节点及节点关联路径，所述节点关联路径的路径权重表征特征节点与类型节点间的因果关联程度； 对针对电池实时运行过程中采集的运行特征序列进行演化轨迹提取，生成特征演化轨迹集，所述特征演化轨迹集包含基准故障特征集中每个基准故障特征随时间的状态演化轨迹； 将所述特征演化轨迹集输入预设的多层级故障推理模型，对特征演化轨迹集与电池故障特征关联图谱的匹配关系进行层级递进推理，得到多层级故障概率分布； 基于所述多层级故障概率分布及电池故障特征关联图谱进行故障传播路径回溯，生成候选故障路径集，所述候选故障路径集包含按故障传播时序排列的多个类型节点序列； 对所述候选故障路径集按照置信度得分从高到低进行排序，输出排序首位的目标故障路径及对应的故障定位信息； 其中，所述多层级故障推理模型包含轨迹编码层、图谱关联层及概率推理层，所述将所述特征演化轨迹集输入预设的多层级故障推理模型，对特征演化轨迹集与电池故障特征关联图谱的匹配关系进行层级递进推理，得到多层级故障概率分布，包括： 将特征演化轨迹集输入至多层级故障推理模型的轨迹编码层，通过所述轨迹编码层对每条演化轨迹进行时序特征编码，生成轨迹编码向量，基于所有轨迹编码向量得到轨迹编码矩阵； 将所述轨迹编码矩阵输入至所述图谱关联层，通过所述图谱关联层基于电池故障特征关联图谱中的节点关联路径及路径权重，计算轨迹编码矩阵中每个轨迹编码向量与各类型节点的关联匹配度，生成关联匹配矩阵；具体包括：从电池故障特征关联图谱中提取特征节点与类型节点间的节点关联路径及对应的路径权重，构建路径权重矩阵，所述路径权重矩阵的行对应特征节点，列对应类型节点，矩阵元素为对应节点关联路径的路径权重；将轨迹编码矩阵与路径权重矩阵进行矩阵乘法运算，得到初始关联矩阵，所述初始关联矩阵的行对应演化轨迹，列对应类型节点，矩阵元素为轨迹编码向量与类型节点的初步关联值；对所述初始关联矩阵进行行方向归一化处理，使每行元素的累加和为1，得到关联匹配矩阵，所述关联匹配矩阵中的元素为轨迹编码向量与类型节点的关联匹配度； 将所述关联匹配矩阵输入至概率推理层，所述概率推理层包含多层级推理单元，通过其中的第一层级推理单元，基于关联匹配矩阵计算各类型节点的初始故障概率，其余层级推理单元以上一层级推理单元输出的故障概率及电池故障特征关联图谱中类型节点间的关联路径为输入，计算当前层级的故障概率； 当概率推理层的推理层级达到预设推理层级数时，停止推理过程，将最后一层级推理单元输出的故障概率确定为各类型节点的最终故障概率，汇集所有类型节点的最终故障概率得到多层级故障概率分布。

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中建碳科技有限公司;中建生态环境集团有限公司，其通讯地址为：100176 北京市大兴区北京经济技术开发区科创五街38号院3号楼8层823；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。