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！

龙图腾网获悉吉林大学申请的专利一种锂电池健康状态预测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：CN121186616B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511735983.8，技术领域涉及：G01R31/367；该发明授权一种锂电池健康状态预测方法是由李兴坤;于远彬设计研发完成，并于2025-11-25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，属于锂电池技术领域。该方法包括以下步骤：在设定工况下进行锂电池全周期充放电老化实验，采集锂电池在健康状态低于安全阈值前不同循环次数下的充放电数据；构建包含IC、DV曲线标准化图像和时序数据的特征数据集；搭建锂电池健康状态多模态预测模型；将特征数据集输入搭建好的锂电池健康状态预测模型进行训练，得到训练后的锂电池健康状态预测模型及其参数文件；用训练后的锂电池健康状态预测模型进行锂电池健康状态预测。本发明能够根据锂电池的全生命周期的充放电数据提取有效特征，训练锂电池健康状态多模态预测模型，实现锂电池健康状态的精准预测与风险预警。

本发明授权一种锂电池健康状态预测方法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，包括以下步骤： 步骤一、在设定工况下进行锂电池全周期充放电老化实验，采集锂电池在健康状态低于安全阈值前不同循环次数下的充放电数据，包括循环次数、电流、电压以及剩余容量； 步骤二、构建包含IC、DV曲线标准化图像和时序数据的特征数据集： S21.基于步骤一采集的锂电池充放电数据，计算锂电池各循环的IC曲线和DV曲线，并统一坐标轴后生成IC、DV曲线标准化图像； S22.对循环间的连续变量进行归一化处理，形成时序数据； 步骤三、搭建锂电池健康状态多模态预测模型，该预测模型包括： 图像数据学习模型，采用视觉Transformer架构搭建，模型输入为锂电池每个循环的IC、DV曲线标准化图像，输出为图像特征； 多维度数据特征融合模型，采用CNN-Transformer架构构建，模型输入为所述图像数据学习模型输出的图像特征、以及从时序数据中提取的时序特征；采用交叉注意力机制，即双向跨模态注意力机制实现模态间的特征融合：一方面，通过"图像特征→时序特征"注意力将视觉特征注入时序特征，增强时序特征中的空间语义信息；另一方面，通过"时序特征→图像特征"注意力将时序特征反馈至视觉表示，为图像特征补充时间维度信息；随后，模型通过拼接四模态特征并经过线性层降维，实现特征压缩与信息融合；最终，通过Transformer解码器学习耦合特征与锂电池健康状态间的复杂非线性关系，并通过回归层输出锂电池的健康状态预测结果； 步骤四、将步骤二构建的特征数据集输入步骤三搭建的锂电池健康状态预测模型进行训练，得到训练后的锂电池健康状态预测模型及其参数文件；进行锂电池健康状态预测。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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。