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！

龙图腾网获悉华中科技大学申请的专利基于多模态增强的汽车动力电池健康监测方法及系统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：CN121559366B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610096492.1，技术领域涉及：G01R31/392；该发明授权基于多模态增强的汽车动力电池健康监测方法及系统是由刘骁康;肖翔;徐殊欣;马可欣;卢天浩设计研发完成，并于2026-01-23向国家知识产权局提交的专利申请。

本基于多模态增强的汽车动力电池健康监测方法及系统在说明书摘要公布了：本发明属于动力电池安全监测技术领域，具体为一种基于多模态增强的汽车动力电池健康监测方法及系统。采集车辆的原始传感数据并进行预处理；对预处理后的原始传感数据进行特征构造，得到包括时序主特征、统计特征以及信号能量和频谱熵的多维特征；根据车辆工况特征向量，判断车辆当前所属工况，根据所属工况分配相应的SOH预测分模型，然后从多维特征中选取对应特征分别输入SOH预测主模型和SOH预测分模型，得到主模型SOH预测值和分模型SOH预测值；将主模型SOH预测值和分模型SOH预测值进行加权融合，得到最终SOH预测值。本发明根据车辆工况针对性选取SOH预测模型，并通过加权融合，显著提高SOH预测值的精度。

本发明授权基于多模态增强的汽车动力电池健康监测方法及系统在权利要求书中公布了：1.一种基于多模态增强的汽车动力电池健康监测方法，其特征在于，包括以下步骤： S1、采集车辆的原始传感数据并进行预处理； S2、对预处理后的原始传感数据进行特征构造，得到包括时序主特征、统计特征以及信号能量和频谱熵的多维特征； S3、根据车辆工况特征向量，判断车辆当前所属工况，根据所属工况分配相应的SOH预测分模型，然后从所述多维特征中选取对应特征分别输入SOH预测主模型和所述SOH预测分模型，得到主模型SOH预测值和分模型SOH预测值； S4、将所述主模型SOH预测值和分模型SOH预测值进行加权融合，得到最终SOH预测值； 步骤S2中，所述多维特征还包括图像和文本组成的多模态样本对，所述图像和文本组成的多模态样本对的获取方式包括： 将所述时序主特征生成可视化图像，然后根据可视化图像呈现的趋势特征提取文本描述，通过视觉编码器和语言编码器分别处理可视化图像和文本描述，得到图像特征和文本特征，然后通过线性映射将所述图像特征和文本特征进行语义对齐，得到由图像和文本组成的多模态样本对； 所述SOH预测主模型由CNN卷积神经网络、双向LSTM和注意力机制组成，所述SOH预测分模型包括轻量化LSTM模型、XGBoost模型和GCNN模型； 所述双向LSTM包括两层，每层有64个隐藏单元；所述轻量化LSTM模型采用单层32个隐藏单元的LSTM结构； 所述SOH预测主模型的输入包括所述时序主特征、统计特征、信号能量、频谱熵以及所述图像和文本组成的多模态样本对； 所述轻量化LSTM模型的输入为所述时序主特征；所述XGBoost模型的输入为所述统计特征、信号能量和频谱熵，所述GCNN模型的输入为从所述时序主特征中提取的局部时间窗口的时序特征。

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华中科技大学，其通讯地址为：430074 湖北省武汉市珞喻路1037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。