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！

龙图腾网获悉西北工业大学申请的专利一种水下能源系统电池SOC和老化程度估计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：CN121299484B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511874045.6，技术领域涉及：G01R31/367；该发明授权一种水下能源系统电池SOC和老化程度估计方法是由李波;徐亚盼;毛昭勇;杨光永;梁博;田文龙;程博设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本一种水下能源系统电池SOC和老化程度估计方法在说明书摘要公布了：本发明提供了一种水下能源系统电池SOC和老化程度估计方法，该方法基于考虑水下环境对水下能源系统电气参数的影响，不便于准确获得副边负载电池的电气参数的问题，通过分析推导得到表达负载电池的电气参数与原边电气参数之间映射关系式，并基于相应关系式建立基于梯度提升回归树的电池电气参数辨识模型，通过电池电气参数辨识模型以及原边电气参数，预测输出负载电池的电气参数，并利用安时积分法以及电池电气参数辨识结果，得到负载电池在每次充电结束时的SOC值以及老化程度，以评估负载电池的健康状态。本发明方法实现了水下能源系统电池健康状态的在线检测，评估结果准确，保证了水下装备安全、高效工作。

本发明授权一种水下能源系统电池SOC和老化程度估计方法在权利要求书中公布了：1.一种水下能源系统电池SOC和老化程度估计方法，其特征在于，包括以下步骤： 步骤1，构建数据库； 获取水下无线充电过程中原边电气参数数据、涡流效应参数数据及对应的副边电气参数数据，并以获取的数据构建数据库；原边电气参数包括原边补偿拓扑电路的电压、电流及二者的相位差；副边电气参数包括负载电池的电压和电流；涡流效应参数包括和，为涡流效应对无线充电系统互感的影响系数，，为无线充电系统互感在涡流效应下产生的相移；和基于无线充电系统电路方程、副边到原边的反射阻抗、原边输入阻抗以及基尔霍夫定律推导计算获得； 步骤2，对数据库中数据进行预处理；所述预处理为依次进行的小波阈值去噪及归一化处理； 步骤3，建立基于梯度提升回归树的电池电气参数辨识模型； 模型训练时，电池电气参数辨识模型的输入为原边电气参数和涡流效应参数；实际预测时，电池电气参数辨识模型的输入为原边电气参数；模型训练时和实际预测时的输出均为负载电池的电压、电流和等效内阻； 电池电气参数辨识模型包括输入层、特征提取层、梯度提升决策树层、物理约束层和输出层； 输入层用于将接收到的参数数据发送给特征提取层； 特征提取层采用电磁-涡流双分支结构，用于确定各输入参数对输出变量的初始影响权重，方法为：先分别筛选原边电气参数和涡流效应参数中的强相关性参数，当存在强相关性参数时，将强相关性参数的权重的平方和以变量形式加入均方误差损失函数中，得到用于训练的损失函数；否则，将均方误差损失函数作为用于训练的损失函数；然后分别以电磁分支和涡流分支进行树分裂；在最后一次树分裂后基于用于训练的损失函数分配各参数对输出变量的初始影响权重，并将初始影响权重与输入的原边电气参数一起送至梯度提升决策树层； 梯度提升决策树层也采用电磁-涡流双分支结构，被配置用于：分别以电磁分支和涡流分支进行树分裂，在每次树分裂后得到负载电池的电流残差值和电压残差值，当电流残差值和电压残差值均小于预设阈值时，树分裂停止，梯度提升决策树层输出负载电池的电流预测值和电压预测值；在每轮树分裂后，梯度提升决策树层还基于用于训练的损失函数和预设权重调整策略，自适应调节各参数对输出变量的影响权重；首轮树分裂基于所述初始影响权重进行；对于后续树分裂，每轮树分裂基于上一轮树分裂后调节的各参数对输出变量的影响权重进行；每轮树分裂包含的树分裂次数须提前设定； 其中，所述梯度提升决策树层根据以下预设权重调整策略自适应调节各参数对输出变量的影响权重： 每完成预设次数的树分裂后，计算各参数对输出变量的影响权重，并触发一次参数影响权重调节； 基于当前各参数对输出变量的影响权重，计算用于训练的损失函数对各参数对输出变量的影响权重的偏导数，得到各参数对输出变量的影响权重对用于训练的损失函数的影响，以确定各参数对输出变量的影响权重的调整方向及幅度； 根据偏导数的符号和大小，动态调整各参数对输出变量的影响权重，直至使用于训练的损失函数最小：若偏导数为负，则增大相应参数对输出变量的影响权重；若偏导数为正，则减小相应参数对输出变量的影响权重； 将调整后的参数对输出变量的影响权重作为下一轮树分裂的输入，并继续迭代训练，直至满足电池电气参数辨识模型的收敛条件； 输出层用于接收并输出负载电池的电流预测值和电压预测值； 物理约束层根据公式构建，用于根据输出层输出的负载电池的电流预测值和电压预测值计算负载电池的等效内阻，并返回给输出层，再由输出层输出； 步骤4，利用预处理后的数据对电池电气参数辨识模型进行训练与鲁棒性优化，得到最终训练好的电池电气参数辨识模型； 步骤5，启动无线充电系统，实时采集原边电气参数并输入最终训练好的电池电气参数辨识模型中，实时预测负载电池的电压、电流和等效内阻； 在副边得电初始时刻，基于健康状态正常的负载电池的SOC与电压之间的二阶曲线关系以及副边得电初始时刻负载电池的初始电压，确定副边得电初始时刻负载电池的初始荷电状态；然后，根据负载电池的额定容量、负载电池的初始荷电状态以及实时预测的负载电池的电流，迭代计算负载电池的荷电状态； 步骤6，负载电池健康状态评估： 根据预测的充电结束时负载电池的等效内阻计算电池老化程度 比较电池老化程度与设定的老化程度安全阈值，并比较充电结束时负载电池的荷电状态与设定的SOC安全阈值，若电池老化程度≥老化程度安全阈值且充电结束时负载电池的荷电状态≥SOC安全阈值，则判定负载电池处于正常健康状态并继续投入使用；否则，判定负载电池失效并停止使用。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。