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！

龙图腾网获悉北京航空航天大学申请的专利基于物理知识的锂电池无监督健康评估与剩余寿命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：CN119780720B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411811123.3，技术领域涉及：G01R31/367；该发明授权基于物理知识的锂电池无监督健康评估与剩余寿命预测方法是由彭朝琴;张海尼;肖颖璋;马云鹏设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本基于物理知识的锂电池无监督健康评估与剩余寿命预测方法在说明书摘要公布了：本发明公开了一种基于物理知识的锂电池无监督健康评估与剩余寿命预测方法，包括收集锂电池充放电实验传感器数据，进行数据预处理；根据锂电池机理模型指导特征提取网络的构建，提取不可观测信号，增强健康评估与剩余寿命预测算法的输入空间；基于锂电池机理模型和退化模型，构建基于PINN的健康评估与剩余寿命预测算法；将增强后的特征数据输入基于PINN的健康评估与剩余寿命预测算法，优化健康指征构建的模型参数；构建融合物理知识的健康指征，实现基于健康指征的剩余寿命估计。本发明可用于数据集规模小、可获取传感器信号单一时的健康评估与剩余寿命预测，在保证算法可解释性的前提下获得较为准确的健康评估结果。

本发明授权基于物理知识的锂电池无监督健康评估与剩余寿命预测方法在权利要求书中公布了：1.一种基于物理知识的锂电池无监督健康评估与剩余寿命预测方法，其特征在于，包括如下步骤： 步骤S1，数据预处理： 收集锂电池充放电实验中相关传感器数据，进行数据预处理； 步骤S2，基于物理模型的特征提取网络： 根据锂电池机理模型的数学表达指导特征提取网络的构建，提取包含系统退化规律的不可观测信号，增强健康评估与剩余寿命预测算法的输入空间； 步骤S3，基于PINN的健康指征构建网络： 基于锂电池机理模型的动态过程和退化模型的动态表达式，构建基于PINN的健康评估与剩余寿命预测算法；将增强后的特征数据输入基于PINN的健康评估与剩余寿命预测算法，优化健康指征构建的模型参数； 步骤S4，健康评估与剩余寿命预测： 根据测试数据提取具有物理意义的特征信号，在此基础上构建融合物理知识的健康指征，最终实现基于健康指征的剩余寿命估计； 步骤S3中，基于PINN和退化模型的健康指征构建网络的方法包括： 步骤S31，退化动态模型建立 使用多元函数对一般的退化过程进行建模： 其中，为放电循环数，为构成HI的向量，为所构建的HI； 系统的退化动力学方程表示为： 其中，为参数化的退化动力学的显式偏微分方程，其为的非线性函数；基于显式偏微分方程定义一种广义的函数近似器以表征非线性退化动力学方程，具体方程如下： 其中，，为的网络参数； 基于DeepHPM算法模型对锂电池动力学方程进行建模，定义一种广义的函数近似器以表征非线性退化动力学方程，具体方程如下： 其中的表示DeepHPM网络模型的可训练模型参数； 步骤S32，基于PINN和退化模型的健康指征构建网络 基于PINN和退化模型的健康指征构建网络主要包括三个模块：健康指征HI构建网络，退化动力学模拟网络，退化模型嵌入网络； 网络的输入维度为5，输出维度为1，由两个全连接层和一个正弦非线性层组成；网络的输入维度为11，输出维度为1，由两个全连接层和一个正弦非线性层组成； 根据锂电池退化过程的经验规律，使用指数型退化模型对HI的构建趋势进行约束，指数型退化模型定义为： 其中，为退化指标，、、、为退化相关参数，为随机噪声； 相应的指数型退化动力学方程表征为： 根据指数型退化动力学方程设计网络，其使用3个训练参数对HI的动态变化进行约束，并随着训练过程不断调整指数拟合的方向； 步骤S3还包括基于PINN和退化模型的健康指征构建的网络模型进行训练，方法如下： 步骤S331：损失函数定义 根据步骤S2，基于物理知识的特征提取网络本质为RNN模型，该网络通过电流信号与嵌入等效模型的网络结构模拟电路的输出电压，使用基于均方差的损失函数进行训练； 根据步骤S3，基于PINN和退化模型的健康指征构建网络包括3个子网络，基于MSE构建相应的损失函数； 步骤S332：模型训练方案 基于物理知识的锂电池无监督健康评估与剩余寿命预测算法的训练步骤包含两部分：基于物理知识的特征提取网络预训练、特征提取网络与健康指征构建算法的联合训练； 在特征提取网络的预训练中，其优化目标为： 在特征提取网络与健康指征构建算法的联合训练中，其优化目标为： 其中，为等效模型的网络参数，为模型的网络参数，、、、为损失函数、、、对应的权重系数，为锂电池等效电路的输出电压回归损失函数，为健康指征退化动力学的一阶偏微分回归损失函数，为健康指征退化动力学的指数型退化模型回归损失函数，为单调性约束；根据优化目标训练锂电池健康评估模型，并通过调整权重系数均衡不同损失函数对HI构建的影响，最终构建能够表征锂电池退化特性的稳定的健康指征。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。