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！

龙图腾网获悉北京工业大学申请的专利一种基于BP神经网络算法预测电池现有状态健康度的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：CN116106753B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310272052.3，技术领域涉及：G01R31/367；该发明授权一种基于BP神经网络算法预测电池现有状态健康度的方法是由金玉红;汪浩;李乐园;张建华;张倩倩;刘晶冰设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种基于BP神经网络算法预测电池现有状态健康度的方法在说明书摘要公布了：一种基于BP神经网络算法预测电池现有状态健康度的方法，属于电池预测领域。包括以下步骤：健康电池的检测、对数据的处理和定义、实际待测电池的随机测试及数据处理、BP神经网络模型的建立及预测、实际电池的健康度计算，本发明在建立完整的电池测试数据的基础上，构建不同倍率的完整的电池充放电数据，在结合BP神经网络算法后能够针对不同状态属性的电池构建专属的神经网络数据集，并应用与实际电池各项属性预测中，准确率高，实用性强。

本发明授权一种基于BP神经网络算法预测电池现有状态健康度的方法在权利要求书中公布了：1.一种基于BP神经网络算法预测电池现有状态健康度的方法，其特征在于，包括以下步骤： 步骤一：健康电池的检测； 将健康电池以不同倍率进行恒流充放电循环测试，且由于三元电池的循环电压区间为4.15V~3.0V，采样点时间为30s，因此，其循环充放电程序为静置-恒流充电-静置-恒流放电，如此循环，整理电池SOH在100%~80%的充放电数据，针对每一个倍率条件下的不同循环对应的放电的时间-电压曲线组成图形成不同循环的放电曲线图集； 步骤二，对数据的处理和定义； 将电池100%~80%SOH以某一倍率进行恒流充放电测试后的所有放电数据集整理好之后其数据集绘制成图像，曲线图集中的所有数据均为电压-时间曲线，定义步骤一中放电曲线图集中每条或每段循环曲线的初始电压值均为4.15V对应的初始时间均为0s，终止电压值均为3.0V对应的终止时间点为TEND，每条或每段循环曲线终止时间点TEND各不相同；每条或每段循环曲线对应所在的循环圈数为NC；最后一条或最后一段循环曲线对应所在的循环圈数最大记为Nmax； 整个曲线图集中对应的数据被命名为Data_origin； 步骤三实际待测电池的随机测试及数据处理； 1以某倍率Drate测定实际电池即时的一段的放电曲线成为实际放电曲线，此实际电池命名为电池A，则电池A的实际放电曲线的电压上限为V1，V1≤4.15V；放电曲线放电的初始时间记为0s时刻，放电的终止电压为V2，V2≥3.0V对应的放电终止时间为Te，则上述实际放电曲线的时间长度为Te； 将数据集Data_origin中放电倍率Xc对应的所有放电曲线电压在V1~V2之间的曲线数据筛选出来，并将所有筛选出来的V1对应的时间改为初始时间且初始化为0s，制备成新的不同循环的电压时间曲线图集，新的不同循环的电压时间曲线图集被命名为Data_mid；新的不同循环的电压时间曲线图集中每条循环曲线对应的时长各不相同； 2为了减少BP神经网络在训练过程中由于数据长度不同而产生的误差，统一曲线图集Data_mid中所有数据的数据长度，即统一所有被选出的放电数据的放电时间记为Tneat，Tneat取值为曲线图集Data_mid中放电时间最短的时间长； 3将数据集Data_mid中的每条放电曲线的放电时间大于Tneat的数据全部删除，所得数据集被命名为Data_final；Data_final数据集中所有数据的初始时间均为0s，终止时间均为Tneat；Data_final数据集中每条循环曲线对应的起始电压均为V1，但终止电压各不相同； 4为了便于神经网络的训练，将步骤1的实际放电曲线所测得的电池A的时间长度也定为Tneat，将实测的放电曲线处理进行处理：处理为时间长度为Tneat放电曲线，起始时间为0s，终止时间为Tneat；处理的实际放电曲线的起始电压为V1，由于处理的曲线的终止时间发生改变，终止电压不再为V2，定义处理的实际曲线的终止电压为V3作为新的终止电压； 步骤四BP神经网络模型的建立及预测； 将Data_final数据集中的所有数据作为训练集，其中每组数据即每条循环曲线所处的循环圈数作为目标值训练BP神经网络，目标值训练BP神经网络被命名为net_01并最终获取的神经网络有以下三个特点：1、专属于电池A；2、训练集电压范围在V1~V2之间；3、放电数据时间长度为Tneat，并将步骤4处理的实际曲线即对应的终止电压为V3的放电数据输入到网络net_01中； 最终net_01预测出步骤1电池A在进行即时测试时所处充放电循环圈数，圈数的数值被命名为Npredict；则Npredict的数值就为BP神经网络预测出的该段放电曲线所处的放电循环的圈数； 步骤五 假设当电池A的循环圈数被预测为Npredict，将Data_origin数据集中圈数为Npredict的放电曲线筛选出来，筛选出来的曲线的初始电压为4.15V，截止电压为3.0V，初始时间为0s，终止时间为TEND；则该曲线被命名为Curve_predic，则数据集Data_origin中第Npredict圈数电池的SOH为： TEND×Drate3600×100%=SOH1 其中TEND为Data_origin中第Npredict圈数电池对应的放电时间，Drate为放电的电流倍率，3600为每小时的秒数，第Npredict圈数电池的SOH就被认为是电池A的SOH； 由于曲线Curve_predic被筛选出来，同时A的实际放电曲线截止电压为V2，将曲线Curve_predic上电压值为V2或最接近的V2点被选出来，被选出来点被命名为SOH_realTend，V2，被选出来点的电压值为V2，时间值为Tend，则电池A的SOC的计算方式为： TEND-TendTEND×100%=SOC2 其中Tend为点SOH_realTend，V2上的时间数据，3600为每小时的秒数； 电池A的剩余寿命计算方法为： Nmax-Npredict=RUL3 Npredict为神经网络算法预测出的电池A所处的循环圈数，Nmax为数据集Data_origin中最后一组数据所处的循环圈数，其中RUL为剩余寿命。

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工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。