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！

龙图腾网获悉重庆邮电大学申请的专利基于多尺度物理信息神经网络的锂电池SOC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：CN119881678B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411986571.7，技术领域涉及：G01R31/382；该发明授权基于多尺度物理信息神经网络的锂电池SOC估计方法是由李鹏华;敖哲晟;侯杰;项盛;胡晓松;向飞;周晶晶设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本基于多尺度物理信息神经网络的锂电池SOC估计方法在说明书摘要公布了：本发明涉及一种基于多尺度物理信息神经网络的锂电池SOC估计方法，属于电池荷电状态估计技术领域。该方法包括：S1：采用一阶RC等效电路模型描述电池的动态特性，其内部的电气参数作为Mamba模型输出充当物理知识；S2：对电压特征、电流特征、时间特征和边缘特征进行多尺度融合，从而得到新的特征，作为Mamba模型的输入；S3：构建Mamba模型，包括SSM、卷积层、线性层和元素运算符；SSM表示选择性状态空间模型，由结构化状态空间序列模型与选择机制和扫描模块结合形成；S4：利用Mamba模型进行锂电池SOC估计，并采用SPKF自适应权重来提升模型训练效率。本发明提升了SOC预测的准确性和可靠性。

本发明授权基于多尺度物理信息神经网络的锂电池SOC估计方法在权利要求书中公布了：1.一种基于多尺度物理信息神经网络的锂电池SOC估计方法，其特征在于，该方法具体包括以下步骤： S1：采用一阶RC等效电路模型描述电池的动态特性，其内部的电气参数作为Mamba模型输出充当物理知识； S2：对电压特征、电流特征、时间特征和边缘特征进行多尺度融合，从而得到新的特征，作为Mamba模型的输入； S3：构建Mamba模型，包括SSM、卷积层、线性层和元素运算符；其中，SSM表示选择性状态空间模型，由结构化状态空间序列模型与选择机制和扫描模块结合形成； S4：利用Mamba模型进行锂电池SOC估计，并采用SPKF自适应权重来提升模型训练效率； 利用Mamba模型进行锂电池SOC估计，具体包括：假设在指定温度下的欧姆内阻、极化电阻和极化电容保持不变，将锂电池EMC模型的一阶RC等效电路方程离散化，得到下列方程： 其中，是通过的电流；是充电转换效率；是电池的额定容量；是采样间隔；是开路电压；表示k时刻的输出电压；表示k时刻的输入电流；表示时间离散化；表示时间常数；Mamba模型通过识别特定的PDE误差建立动态模型，SOC的PDE误差用以下公式表示： 以电阻、电容带入SPKF得到权重，建立状态方程和观测方程： 其中，是状态向量，表示k时刻的SOC值，表示k时刻的输出电压值；是输入，表示k时刻的电流；是状态噪声；是状态转移矩阵，对角线上的元素分别表示SOC和OCV随时间的线性演化；是输入矩阵，用于将输入和噪声映射到下一时刻的状态； 其中，是观测值；是观测噪声；是观测矩阵，它反映了状态变量SOC和OCV对观测的影响程度；是输入矩阵； 根据观测值使用非线性映射计算自适应权重，使用Sigmoid函数来进行非线性映射： 其中，是一个控制函数陡峭度的参数，是一个观测中间值；一旦计算出权重，就能计算加权MSE，公式如下： 其中，是电压的损失函数，是观测预测值，是电压真实值；梯度优化微分方程，SOC损失函数表示为： 其中，和分别为SOC估计上下时刻的估计值；得到了上述两个损失函数的值加权之后得到最后的总损失函数： 其中，表示样本的数量；表示微分量；是电压的约束因子；使用Adam优化器计算损失函数相对于的梯度，通过以下公式得到： 损失函数传入Adam一阶矩估计和二阶矩估计进行偏差修正，反向梯度更新输出层至隐藏层之间的权重和偏差；对于传播梯度，的更新公式表示如下： 其中，分别是一阶矩、二阶矩估计的衰减率；表示的偏差修正；是网络学习率；是小常数，t表示离散时间长度。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。