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！

龙图腾网获悉华东交通大学申请的专利基于物理感知和熵协同多智能体的锂离子电池热管理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：CN121726608B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610218504.3，技术领域涉及：H01M10/633；该发明授权基于物理感知和熵协同多智能体的锂离子电池热管理方法是由陈齐平;张水根;王均刚;吴朋谦;王庆翔;文佳;魏志祥;华宇轩;聂晴天;邱力峰设计研发完成，并于2026-02-24向国家知识产权局提交的专利申请。

本基于物理感知和熵协同多智能体的锂离子电池热管理方法在说明书摘要公布了：一种基于物理感知和熵协同多智能体的锂离子电池热管理方法，包括：建立包含数据驱动补偿的锂离子电池电‑热耦合模型，并构建描述电池动态特性的全状态空间系统方程；构建融合物理约束机制的TCN‑Transformer混合神经网络，采用该网络对电‑热耦合模型中的参数进行在线辨识，以得到实时参数；基于全状态空间系统方程与实时参数，构建由熵协同多智能体柔性Actor‑Critic算法优化的最小误差熵自适应扩展卡尔曼滤波器，对电池的荷电状态与电池温度进行联合估计；基于联合估计结果，构建嵌入可微安全层的TD3深度强化学习控制算法，通过该算法实现规则引导下的锂离子电池自适应热管理直接控制。本发明实现了准确、有效且安全的锂离子电池热管理控制。

本发明授权基于物理感知和熵协同多智能体的锂离子电池热管理方法在权利要求书中公布了：1.一种基于物理感知和熵协同多智能体的锂离子电池热管理方法，其特征在于，包括： 步骤S1，建立包含数据驱动补偿的锂离子电池电-热耦合模型，并构建描述电池动态特性的全状态空间系统方程； 步骤S2，构建融合物理约束机制的TCN-Transformer混合神经网络，采用该混合神经网络对电-热耦合模型中的参数进行在线辨识，以得到实时参数； 步骤S3，基于步骤S1构建的全状态空间系统方程与步骤S2辨识得到的实时参数，构建由熵协同多智能体柔性Actor-Critic算法优化的最小误差熵自适应扩展卡尔曼滤波器，进而对电池的荷电状态与电池温度进行联合估计； 步骤S4，基于步骤S3输出的联合估计结果，构建嵌入可微安全层的TD3深度强化学习控制算法，通过该算法实现规则引导下的锂离子电池自适应热管理直接控制； 其中，步骤S3具体包括： 步骤S301，基于步骤S1构建的非线性状态转移函数，利用时刻的后验状态估计值和系统输入向量，计算时刻的先验状态预测值： 其中，为经过在线辨识得到的时刻的模型参数向量； 同时，计算非线性状态转移函数在当前估计点处的雅可比矩阵： 其中，为系统输入向量，表示偏导，为输入时间序列向量，为当前估计参数； 步骤S302，引入熵协同多智能体柔性Actor-Critic算法中的第一个智能体Agent-Q对过程噪声进行自适应建模，Agent-Q根据当前系统状态、输入及历史信息，输出动态调整的过程噪声协方差矩阵，结合雅可比矩阵与时刻的后验估计误差协方差矩阵，推导包含智能体决策介入的先验协方差预测方程，表达式为： 其中，为时刻的后验估计误差协方差矩阵，表示转置，为Agent-Q针对过程噪声特性输出的自适应动作向量； 步骤S303，计算新息向量，表达式为： 其中，为时刻的新息向量，为系统观测向量，为观测函数，为时刻的系统输入向量，为经过在线辨识得到的时刻的模型参数向量； 步骤S304，引入熵协同多智能体柔性Actor-Critic算法中的第二个智能体Agent-R对测量噪声进行自适应建模，Agent-R根据当前系统状态、测量新息及历史信息，输出动态调整的测量噪声协方差矩阵，计算观测函数在当前先验估计点处的雅可比矩阵，随后计算卡尔曼增益： 其中，为自适应修正矩阵，为由Agent-R输出的动态测量噪声方差动作向量； 步骤S305，基于Agent-R与最小误差熵进行后验状态更新，其中，利用卡尔曼增益更新系统状态，输出后验状态估计结果： 其中，为时刻的后验状态估计值； 同时，更新后验误差协方差矩阵： 其中，为后验误差协方差矩阵，为单位矩阵； 步骤S306，构建一个共享的奖励函数，用于同时引导Agent-Q与Agent-R在优化过程中平衡状态估计精度与策略探索能力，奖励函数的表达式为： 其中，为时刻的协同奖励值，和分别为均方误差项和熵项的权重系数，为残差的信息势； 步骤S307，基于最大熵强化学习框架，利用上述奖励函数同时更新Agent-Q与Agent-R的策略网络，优化目标为最大化累积期望奖励与策略熵的加权和，表达式为： 其中，为待最大化的策略目标值，为数学期望算子，为由参数拟合的软Q值函数，为温度系数，为基于参数的策略网络输出的动作概率分布，为控制状态向量，，为时刻的荷电状态，为时刻的核心温度，为时刻的电池表面温度，为时刻的负载电流，时刻的环境温度； 步骤S308，Agent-Q与Agent-R更新完成后，对电池的荷电状态与电池温度进行联合估计。

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东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。