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！

龙图腾网获悉南通大学申请的专利基于海星优化和自适应滤波的锂电池建模与温度估计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：CN120930517B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202511461905.3，技术领域涉及：G06F30/27；该发明授权基于海星优化和自适应滤波的锂电池建模与温度估计方法是由宗天成;王臻;徐晓凡;宗浩楠;钱力;贾剑萍设计研发完成，并于2025-10-14向国家知识产权局提交的专利申请。

本基于海星优化和自适应滤波的锂电池建模与温度估计方法在说明书摘要公布了：本发明提供了一种基于海星优化和自适应滤波的锂电池建模与温度估计方法，属于锂电池的建模技术领域，解决了在噪声协方差未知或不准确的情况下，无法实现对锂电池温度进行精确估计而导致建模困难的技术问题，其技术方案为：包括如下步骤：步骤1构建出基于热电相似原理的锂电池可变参数集总热模型，获得辨识系统的模型描述；步骤2构建海星优化迭代辨识算法SFOA对锂电池可变参数集总热模型的未知参数进行准确估计；步骤3构建出带渐消因子自适应滤波FFAKF来对锂电池热模型进行准确的温度估计。本发明实现了在噪声协方差未知或难以获得情况下的锂电池温度估计。

本发明授权基于海星优化和自适应滤波的锂电池建模与温度估计方法在权利要求书中公布了：1.基于海星优化和自适应滤波的锂电池建模与温度估计方法，其特征在于，包括如下步骤： 步骤1构建出基于热电相似原理的锂电池可变参数集总热模型，获得辨识系统的模型描述； 步骤2构建海星优化迭代辨识算法对锂电池可变参数集总热模型的未知参数进行准确估计； 2-1对系统状态方程和系统输出方程中的未知参数进行准确估计，构建海星优化迭代辨识算法如下： 设定的种群大小为，最大迭代次数为，辨识范围最小值向量为，最大值向量为，种群可探索维度为，初始种群位置为 其中，为行列矩阵，，，矩阵中保存了种群每个个体的每个维度的位置，为辨识范围内的随机位置，为正态分布的0到1之间的随机数组成的行列矩阵； 2-2计算初始适应度并找到初始最优解，将种群内个个体的参数代入系统状态方程12和系统输出方程13，得到每个第i个个体的参数的输出变量的估计值，定义估计的电池表面温度与实际电池表面温度的均方根误差为适应度，适应度函数即： ； 其中，N为采样点数量，为参数辨识的当前迭代次数，，为最大迭代次数，是第个个体的参数在第次迭代的适应度值，在每次迭代，将得到的组的适应度值比较，取得适应度最小的一组参数作为，其适应度值作为； 2-3在海星优化迭代辨识算法的探索阶段前要生成一个用于调整随机数的动态参数： ； 其中，为第次迭代的动态参数，为余弦函数； 2-4在探索阶段中，随机选择种群中的第个个体的第个维度，，再随机选择种群中的另一个个体，和同一个维度，对于第个个体的第个维度进行如下的更新： ； 其中，在第次迭代，为第个个体的第个维度更新的位置；在第次迭代，为第个个体的第个维度更新的位置，为第个个体的第个维度的位置值，与为之间的随机数，如果更新后的位置值不在参数辨识范围内，该个体该维度的位置值保留更新前的位置值； 2-5在开发阶段前，从种群数量为的个体中随机选择5个个体，在第次迭代中，计算当前最优位置与被选择的个体的位置的差值，记为，用于开发阶段中的位置更新，公式为： ； 其中，为在第次迭代中，5个随机选择个体的所有维度的位置； 2-6在开发阶段中，对于种群中第次迭代的第个个体，随机选择动态差值中的2个值与，进行如下的更新： ； 其中，与为之间的随机数，在第次迭代，为更新前的第个个体的所有维度的位置，为更新后第个个体的所有维度的位置值，如果更新后的位置的值不在参数辨识范围内，该个体的该维度的位置值保留更新前的位置值，确保更新后的位置在上下参数辨识边界和范围内； 2-7探索阶段与开发阶段结束后，计算本次迭代后的种群每个个体的适应度，将种群内个个体的参数代入系统状态方程12和系统输出方程13，计算得出每一个个体的参数的适应度，取得其中最小的适应度值与经上述迭代前的最小适应度值进行比较，选择比较结果中最小的适应度值作为新的，并更新参数向量，然后进入下一次迭代更新过程；所有迭代结束后，最终得到适应度值，使得输出估计值与真实值之间误差最小的一组参数为海星优化的参数辨识结果； 步骤3构建出带渐消因子自适应滤波来对锂电池可变参数集总热模型进行准确的温度估计。

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南通大学，其通讯地址为：226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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。