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！

龙图腾网获悉北京航空航天大学申请的专利融合物理信息参数和电化学阻抗谱的锂离子电池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：CN115993551B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310185774.5，技术领域涉及：G01R31/389；该发明授权融合物理信息参数和电化学阻抗谱的锂离子电池诊断方法是由林焱辉;阮圣嘉;陈云霞设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本融合物理信息参数和电化学阻抗谱的锂离子电池诊断方法在说明书摘要公布了：本发明提供了一种融合物理信息参数和电化学阻抗谱的锂离子电池诊断方法，其包括：借助电化学阻抗谱构建锂离子电池等效电路模型，提取表征锂离子电池内部状态的物理信息参数；基于深度学习，融合物理知识和电化学阻抗谱，构建锂离子电池物理知识深度学习模型；融合物理知识、测量数据和领域知识，提取物理可解释的隐特征；采用深度集成策略，评估锂离子电池容量估计的预测不确定性和锂离子电池寿命特性分类的预测不确定性。本发明借助电化学阻抗谱构建了锂离子电池等效电路模型，采用物理正则化方法赋予了深度学习模型中特定神经元物理意义，有效利用了物理知识、测量数据和领域知识在内的三类信息源，使锂离子电池诊断结果具有可解释性和较高准确性。

本发明授权融合物理信息参数和电化学阻抗谱的锂离子电池诊断方法在权利要求书中公布了：1.一种融合物理信息参数和电化学阻抗谱的锂离子电池诊断方法，其特征在于，其包括以下步骤： S1、提取表征锂离子电池内部状态的物理信息参数：借助电化学阻抗谱构建锂离子电池等效电路模型，提取表征锂离子电池内部状态的物理信息参数； S11、对锂离子电池进行特征测试，获取锂离子电池在n个循环次数的电化学阻抗谱； S12、对锂离子电池的电化学阻抗谱进行图像分析，构建锂离子电池等效电路模型；所述锂离子电池等效电路模型的元件包括欧姆内阻Rohm、固体电解质膜内阻RSEI、电荷转移内阻RCT、沃伯格元件ZWar、第一常相位元件CPE1和第二常相位元件CPE2，所述欧姆内阻Rohm由电极中电子和电解质中离子的运动引起并作为第一模块；所述固体电解质膜内阻RSEI和第一常相位元件CPE1并联形成第一阻抗Zarc1并作为第二模块，表征离子在高频区通过固体电解质膜时遇到的扩散内阻；所述电荷转移内阻RCT和沃伯格元件ZWar串联再与第二常相位元件CPE2并联形成第二阻抗Zarc2并作为第三模块，表征电极中的电荷在中频区转移的内阻以及物料在低频区转移的扩散内阻；所述第一模块、第二模块和第三模块串联组成所述锂离子电池等效电路模型； S13、针对锂离子电池在每个循环次数的电化学阻抗谱进行非线性拟合，分别提取每个循环次数下表征锂离子电池内部状态的物理信息参数； S2、构建锂离子电池物理知识深度学习模型：基于深度学习，融合物理知识和电化学阻抗谱，构建锂离子电池物理知识深度学习模型； S3、融合物理知识、测量数据和领域知识，提取物理可解释的隐特征，所述隐特征包括第一隐特征、第二隐特征和第三隐特征； S31、采用物理正则化方法提取到物理可解释的第一隐特征：通过赋予锂离子电池物理知识深度学习模型中特定神经元物理意义，将神经元的数值向物理信息参数靠拢，使所述神经元的数值能够表征锂离子电池的内部状态； S32、基于领域知识构建多任务学习模型，联合训练T个相似任务，通过共享T个相似任务之间的神经元，提取得到第二隐特征；将每个循环次数的物理信息参数和电化学阻抗谱作为所述多任务学习模型的输入； S33、基于多任务学习模型，将物理正则作为辅助任务，从T个相似任务共享神经元中选出P个共享神经元，提取得到物理可解释的第三隐特征并赋予物理意义：将P个共享神经元的数值向所述物理信息参数靠拢，使共享神经元的数值表征锂离子电池的内部状态； S4、采用深度集成策略评估锂离子电池容量值估计的预测不确定性和锂离子电池寿命特性分类的预测不确定性； 借助电化学阻抗谱构建锂离子电池等效电路模型，进而提取出表征锂离子电池内部状态的物理信息参数；同时构建锂离子电池物理知识深度学习模型，将物理信息参数与电化学阻抗谱作为模型输入，对锂离子电池的容量进行估计。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。