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！

龙图腾网获悉浙大宁波理工学院申请的专利基于Box-Cox变换指数模型和Conv-LSTM的锂电池SOH估算方法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：CN116449216B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310429460.5，技术领域涉及：G01R31/367；该发明授权基于Box-Cox变换指数模型和Conv-LSTM的锂电池SOH估算方法是由陶吉利;周奔滔;马龙华;徐鸣设计研发完成，并于2023-04-18向国家知识产权局提交的专利申请。

本基于Box-Cox变换指数模型和Conv-LSTM的锂电池SOH估算方法在说明书摘要公布了：本发明公开了一种基于Box‑Cox变换指数模型和Conv‑LSTM的锂电池SOH估算方法，属于自动化技术领域。为了克服现有技术中对建立模型所要求的数据量庞大、SOH估算精度不足等问题，提出一种基于深度学习的混合神经网络锂离子电池SOH建模方法。本发明的技术方案是由数据采集、构建整体趋势预估模型、残差数据集建立、构建非线性特征预估模型、性能评估五方面构成。该方法基于Box‑Cox变换指数模型、残差结构和卷积长短时记忆网络，利用锂离子电池充电过程中的充电片段，实现锂离子电池使用周期内的SOH估算。本发明相较于传统深度学习估算SOH方法，将SOH特征分解为整体趋势和非线性特征，再分别单独估计，可以有效地提高模型所进行的SOH估算精度。

本发明授权基于Box-Cox变换指数模型和Conv-LSTM的锂电池SOH估算方法在权利要求书中公布了：1.一种基于Box-Cox变换指数模型和Conv-LSTM的锂电池SOH估算方法，其特征在于，步骤如下： S1：采集不同工况下，锂离子电池充放循环时的充电片段作为样本数据，并记录电池充放循环时样本数据所对应的电池健康状态SOH数值作为标签，从而形成一系列由样本数据和标签组成的第一训练样本； S2：对S1中采集到的所有第一训练样本中的标签进行Box-Cox变换处理，并以每个第一训练样本中的样本数据为自变量，以变换后的SOH数值为因变量，采用指数拟合得到拟合方程，再在拟合方程后级联Box-Cox反变换操作，得到的Box-Cox变换指数模型作为线性部分估算模型； S3：针对S1中采集的每个第一训练样本，将第一训练样本中的样本数据输入所述Box-Cox变换指数模型中，得到SOH整体趋势部分，再将第一训练样本中的标签与得到的SOH整体趋势部分进行残差计算，将得到的残差值替换第一训练样本中的标签，从而得到第二训练样本； S4：利用所有第二训练样本训练神经网络模型，对神经网络的权重进行微调使其能够基于样本数据预测所述残差值，训练完毕后得到非线性部分估算模型； S5：将线性部分估算模型与非线性部分估算模型进行组合，形成完整的锂离子电池SOH估算模型；将待预测工况下锂离子电池充放循环时的充电片段作为锂离子电池SOH估算模型的输入，分别由线性部分估算模型根据输入来预测锂离子电池SOH的整体趋势部分，由非线性部分估算模型根据输入来预测锂离子电池SOH的残差部分，将整体趋势部分和残差部分相加得到锂离子电池SOH的估计值。

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浙大宁波理工学院，其通讯地址为：315100 浙江省宁波市高教园区钱湖南路1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”。