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！

龙图腾网获悉浙江高泰昊能科技有限公司;浙江大学申请的专利一种锂电池健康状态预测方法及系统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：CN119438958B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510037139.1，技术领域涉及：G01R31/392；该发明授权一种锂电池健康状态预测方法及系统是由马皓;张津豪;戴希麟;周睿迪;林凡凡;何柯谊设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种锂电池健康状态预测方法及系统在说明书摘要公布了：本发明公开了一种锂电池健康状态预测方法及系统。所述方法包括：获取锂电池运行数据；将所述锂电池运行数据输入至锂电池健康状态预测模型中进行健康状态预测，以得到预测结果；其中，所述锂电池健康状态预测模型是通过采集历史电池运行数据作为样本集训练基础模型所得的，训练过程采用前向传播、反向传播算法和超参数调优，基础模型是由Transformer层的编码器、多层KAN网络作为解码器、无迹卡尔曼滤波器连接构成的模型；输出所述预测结果。通过实施本发明的方法可实现提高SoH预测的准确性和平稳性。

本发明授权一种锂电池健康状态预测方法及系统在权利要求书中公布了：1.一种锂电池健康状态预测方法，其特征在于，包括： 获取锂电池运行数据； 将所述锂电池运行数据输入至锂电池健康状态预测模型中进行健康状态预测，以得到预测结果；其中，所述锂电池健康状态预测模型是通过采集历史电池运行数据作为样本集训练基础模型所得的，训练过程采用前向传播、反向传播算法和超参数调优，基础模型是由Transformer层的编码器、多层KAN网络作为解码器、无迹卡尔曼滤波器连接构成的模型； 所述无迹卡尔曼滤波器层通过传播一组加权的Sigma点直接预测状态均值和协方差，以对所述锂电池健康状态预测模型的输出进行平滑处理； 输出所述预测结果； 所述锂电池健康状态预测模型是通过采集历史电池运行数据作为样本集训练基础模型所得的，训练过程采用前向传播、反向传播算法和超参数调优，基础模型是由Transformer层的编码器、多层KAN网络作为解码器、无迹卡尔曼滤波器连接构成的模型，包括： 采集历史电池运行数据，结合对应时刻值进行预处理，以得到样本集； 构建基础模型； 采用所述样本集，采用前向传播、反向传播算法和超参数调优对所述基础模型进行训练，得到锂电池健康状态预测模型； 所述模型包括Transformer层的编码器作为该模型的编码器，多层KAN网络作为解码器，以及用以平滑输出的无迹卡尔曼滤波器，其中，所述编码器包括多个堆叠的编码层，每个所述编码层包括多头注意力机制和前馈神经网络，每个编码层之后添加残差连接和层归一化；这一设计有助于保留输入数据的原始特征，并且能够有效缓解过拟合问题，从而提升模型在电池数据集上的泛化能力； 所述解码器包括多个KAN解码层； 所述多头注意力机制的表达式为：；；Q表示SoH的预测值，K表示与Q相关的信息，包括电压、电流和温度、值以及包含与键对应的实际数据，通过计算每个查询和所有键，Transformer层为值分配权重，并通过加权求和获得相应的输出值；是每个头的维度，为总模型维度；为多头注意力机制中头的数量；KAN层的数学表达式为：；其中，和为可学习的一维非线性函数，n为输入变量的维度； 通过引入KAN层作为模型解码器，显著增强模型在处理电池数据时的非线性拟合能力，从而使模型更适合捕捉电池健康度预测任务中的复杂动态特征； Transformer层处理序列数据，KAN层提取非线性关键特征，无迹卡尔曼滤波器增强模型输出的稳定性，稳定预测结果。

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江高泰昊能科技有限公司;浙江大学，其通讯地址为：310000 浙江省杭州市莫干山路1418-50号2幢3层(上城科技工业基地)；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。