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！

龙图腾网获悉重庆大学申请的专利一种锂离子电池SOC与SOH的联合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：CN117129890B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202311035211.4，技术领域涉及：G01R31/387；该发明授权一种锂离子电池SOC与SOH的联合估计方法是由余传祥;张英健;肖冬萍;潘傲然;郭豪杰;阎晟;石筑鑫设计研发完成，并于2023-08-16向国家知识产权局提交的专利申请。

本一种锂离子电池SOC与SOH的联合估计方法在说明书摘要公布了：本发明公开了一种锂离子电池SOC与SOH的联合估计方法，包括以下步骤：基于锂离子动力电池的一阶分数阶等效电路模型，建立电路模型，设计电路模型的电池老化实验和HPPC测试实验，提取SOC‑OCV曲线，建立锂离子动力电池的状态空间方程，并基于遗传算法构建参数辨识器对一阶分数阶等效电路模型进行参数辨识，并构建基于状态方程和观测方程的无迹卡尔曼滤波器，建立基于F‑范数的最近对称矩阵算法的无迹卡尔曼滤波器构建SOC状态估计器进行SOC状态估计，将SOC数据、端电压、端电流输入BP神经网络进行训练，构建SOH状态估计器实现对SOH在线估计，将参数辨识器与状态估计器相互耦合，实现对SOC与SOH的联合估计；本发明充分考虑SOC和SOH的耦合关系，提高了SOC与SOH的估计精度。

本发明授权一种锂离子电池SOC与SOH的联合估计方法在权利要求书中公布了：1.一种锂离子电池SOC与SOH的联合估计方法，其特征在于，包括以下步骤： S1、基于锂离子动力电池的一阶分数阶等效电路模型，建立电路模型，并设计电路模型的电池老化实验和HPPC测试实验，提取SOC-OCV曲线； S2、根据步骤S1中SOC-OCV曲线与电路模型，建立锂离子动力电池的状态空间方程，并基于遗传算法构建参数辨识器对一阶分数阶等效电路模型进行参数辨识，具体为： S21、基于一阶分数阶等效电路模型，建立电路方程； S22、将步骤S21中的电路方程引入噪声参数，基于G-L定义进行分数阶求导并离散化，得到锂离子动力电池的状态空间方程； S23、对步骤S22中锂离子动力电池的状态空间方程的参数进行种群染色体随机赋值编码； S24、采用轮盘赌选择法对种群进行选择； S25、将染色体交叉； S26、将染色体进行混沌随机变异； S27、返回新的种群，重复步骤S24-S26，直到循环至最大代数或者染色体均方根误差低于预计值，则得到辨识的一阶分数阶等效电路模型的参数； S3、根据步骤S2中辨识的一阶分数阶等效电路模型的参数，构建基于状态方程和观测方程的无迹卡尔曼滤波器，并建立基于F-范数的最近对称矩阵算法改进的无迹卡尔曼滤波器构建SOC状态估计器进行SOC状态估计，具体为： S31、将步骤S2中锂离子动力电池的状态空间方程变形，得到状态方程和观测方程，即： 其中，表示第步数的2维系统状态向量，表示状态函数，表示第步数的2维系统状态向量，表示第步数的4维模型参数向量，表示分数阶步长为的第步数的1维系统输入向量，表示第步数的系统白噪声，表示第步数的1维系统输出向量，表示观测函数，表示第步数的4维模型参数向量，表示分数阶步长为的第步数的1维系统输入向量，表示第步数的测量白噪声； S32、建立步骤S31中基于状态方程和观测方程的无迹卡尔曼滤波器； S33、根据步骤S32中建立的基于状态方程和观测方程的无迹卡尔曼滤波器，引入基于F-范数的最近对称矩阵算法，在每一次UT采样前对协方差矩阵P进行正定化处理，并传入到UT采样中进行cholesky分解； S34、建立基于F-范数的最近对称矩阵算法改进的无迹卡尔曼滤波器构建SOC状态估计器进行SOC状态估计； S4、将SOC数据、锂离子动力电池端电压、锂离子动力电池端电流输入BP神经网络进行训练，构建SOH状态估计器对SOH状态进行估计； S5、将步骤S2中构建的参数辨识器、步骤S3中构建的SOC状态估计器以及步骤S4中构建的SOH状态估计器相互耦合，实现对SOC与SOH的联合在线估计。

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重庆大学，其通讯地址为：400000 重庆市沙坪坝区正街174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。