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！

龙图腾网获悉重庆大学申请的专利局部全局特征融合的锂离子电池退化模式可解释诊断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：CN118625139B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202410662308.6，技术领域涉及：G01R31/367；该发明授权局部全局特征融合的锂离子电池退化模式可解释诊断方法是由冯飞;罗欢;安翼尧;朱智勤;李嫄源;尹宏鹏;屈剑锋设计研发完成，并于2024-05-27向国家知识产权局提交的专利申请。

本局部全局特征融合的锂离子电池退化模式可解释诊断方法在说明书摘要公布了：本发明涉及一种局部全局特征融合的锂离子电池退化模式可解释诊断方法，属于锂离子电池的健康管理领域。该方法包括：利用不同温度下的锂离子电池充放电试验得到的充电V‑Q曲线，先将其转换为充电IC曲线，再将IC曲线转换为2D图像，进行特征提取以获得高维特征，作为深度神经网络的训练图像；基于局部全局特征融合的电池退化特征提取模块，通过提取长期依赖信息来增强特征的显著性；基于电池退化模式可解释性诊断模块，通过突出焦点区域来显示网络模型对IC曲线图像变化的关注点，结合IC曲线分析理论，分析IC曲线的峰值变化，建立物理相关性来完成决策过程的可解释性分析，实现锂电池退化模式的可解释性诊断。

本发明授权局部全局特征融合的锂离子电池退化模式可解释诊断方法在权利要求书中公布了：1.一种局部全局特征融合的锂离子电池退化模式可解释诊断方法，其特征在于：该方法包括以下步骤： S1：利用不同温度下的锂离子电池充放电试验得到的充电V-Q曲线，先将其转换为充电IC曲线，IC曲线为电量关于电压的一阶导数，再将IC曲线转换为2D图像，进行特征提取以获得高维特征，作为深度神经网络的训练图像； S2：采用结合多层前馈神经网络和Transformer网络的局部全局特征融合的电池退化特征提取模块对转换的2D图像进行特征提取，包括： S21、采用ResNet18子模块从电池退化的空间特征图中提取局部特征： 式中，表示局部特征提取模块，X表示IC曲线特征图，表示局部特征提取模块中最后一个线性层的输出分数；再通过分类器得到对应于锂电池三种退化模式的分类概率； S22、采用Transformer模块从电池放电的IC曲线图像中提取全局特征，在Transformer模块中，输入特征图被重塑为一系列展平的二维矩阵，其中表示原始图像的分辨率，C表示通道数，表示每个图像块的分辨率，表示获得的特征图像块的数量，表示通过线性层映射以形成进入Transformer模块的最终输入向量长度；随后向这些重塑的二维矩阵中添加位置向量以形成最终的向量嵌入，上述映射过程表示如下： 式中，表示展平操作，表示位置向量嵌入； S23、采用Transformer模块中的Encoder模块来计算电池退化空间特征图的全局特征：首先对输入序列进行归一化处理；然后初始化权重矩阵，对步骤S22得到的向量嵌入序列执行矩阵乘法，将其映射为分别对应查询向量、键向量和值向量的新向量Q、K、V；计算新向量间的相关性，最后将得到的新向量序列再次进行归一化并进行残差处理； S24、从经过Transformer模块处理的向量嵌入矩阵中提取的向量嵌入，并对其进行MLP分类，获得Transformer分支的分类结果； S25、通过分类器得到对应于三种退化模式的分类概率，具体地，使用交叉熵损失函数结果来更新Transformer分支的权重；Transformer通过一个上采样模块与多层前馈神经网络交互，该上采样模块包含一个上采样层、一个卷积层以及批量归一化；为了得到三种退化模式的最终概率，通过将多层前馈神经网络和Transformer分支分类器的概率分别相加以确定电池IC曲线中的退化模式，计算方式如下： 在训练过程中，两个分支都使用交叉熵损失函数来更新网络权重，两个分支同时进行训练，且对于两个分支而言，的重要性是相等的； S3：基于电池退化模式可解释性诊断模块，通过突出焦点区域来显示网络模型对IC曲线图像变化的关注点，结合IC曲线分析理论，分析IC曲线的峰值变化，建立物理相关性来完成决策过程的可解释性分析，实现锂电池退化模式的可解释性诊断； S4：获取电池充放电试验数据，输入训练好的神经网络模型中对当前电池退化模式进行识别。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。

以上内容由龙图腾AI智能生成。