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！

龙图腾网获悉泉州装备制造研究所申请的专利基于物理信息与数据驱动的锂离子电池健康状态评估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：CN121476964B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202610030719.2，技术领域涉及：G01R31/367；该发明授权基于物理信息与数据驱动的锂离子电池健康状态评估方法是由韩军;龙晋桓;陈宇;黄惠玲;吴飞斌设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本基于物理信息与数据驱动的锂离子电池健康状态评估方法在说明书摘要公布了：本发明提供了基于物理信息与数据驱动的锂离子电池健康状态评估方法，属于锂离子电池健康状态评估技术领域，该方法包括：根据经验模型约束和物理规律约束构建描述锂离子电池容量衰减规律的物理模型；搭建物理信息神经网络模型，物理信息神经网络模型包括基于注意力的跨模态融合估计网络与嵌入物理模型的损失函数，并引入了自适应权重均衡、时频域均衡和边界硬约束等优化策略；采用电池老化数据对物理信息神经网络模型进行训练；利用训练好的物理信息神经网络模型，对锂离子电池的健康状态进行估计。本申请在仅使用少量训练数据的情况下，显著提升了电池健康状态在内插和外推场景下的估计精度与稳定性，解决了小样本的电池SOH预测难题。

本发明授权基于物理信息与数据驱动的锂离子电池健康状态评估方法在权利要求书中公布了：1.基于物理信息与数据驱动的锂离子电池健康状态评估方法，其特征在于，包括： S1：根据经验模型约束和物理规律约束构建描述锂离子电池容量衰减规律的物理模型； S2：搭建物理信息神经网络模型，物理信息神经网络模型包括基于注意力的跨模态融合估计网络与嵌入物理模型的损失函数；基于注意力的跨模态融合估计网络中融合特征维度对齐模块和注意力特征融合模块，在特征维度对齐模块和注意力特征融合模块之间加入随机傅里叶特征，并在注意力特征融合模块中引入硬边界编码层； 其中，损失函数具体为： 1由观测数据损失，物理模型约束损失与初始边界条件损失构建初始损失函数： 其中为神经网络的网络权重，为物理模型中的未知参数； 2在初始损失函数中引入自适应权重和梯度残差约束项，从而构建损失函数； 损失函数各部分定义如下： 其中，为神经网络模型与物理模型的残差，用于约束IC特征与电池健康状态的单调关系；为观测数据的采样点，为物理模型约束的采样点；为采样点的总数量，包括观测数据点的数量和物理模型约束点的数量，为样品的索引号，是第个观测数据的采样时间点，为起始样本观测数据的采集时间点，是第个物理模型约束的采样时间点，为神经网络模型预测的SOH值，为第个样本的健康特征输入； S3：采用电池老化数据对物理信息神经网络模型进行训练； S4：利用训练好的物理信息神经网络模型，对锂离子电池的健康状态进行估计。

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泉州装备制造研究所，其通讯地址为：362121 福建省泉州市台商投资区洛阳镇上浦村吉贝511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。