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！

龙图腾网恭喜哈尔滨理工大学申请的专利一种基于等效粒度的高效式模糊聚类集成的锂电池健康状态估计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：CN119293539B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202411362182.7，技术领域涉及：G06F18/2337；该发明授权一种基于等效粒度的高效式模糊聚类集成的锂电池健康状态估计方法及系统是由单云霄;李述;崔禹欣;陈明华设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本一种基于等效粒度的高效式模糊聚类集成的锂电池健康状态估计方法及系统在说明书摘要公布了：本发明一种基于等效粒度的高效式模糊聚类集成的锂电池健康状态估计方法及系统，涉及电池健康状态预测领域，为解决现有方法将每个样本视为独立的个体，而忽略了样本间的等价关系，以及使用全部的样本点学习数据集的核心主体簇结构的问题。本发明通过构建数据集的等效点集，并基于等效子集元素的潜在等效粒度构建潜在等效粒度集，将潜在等效粒度集划分为核心等效粒度集和模糊等效粒度集，衡量任意两个核心等效粒度之间的模糊关系，构建核心等效粒度关系矩阵，对主体簇结构进行识别，将模糊等效粒度分配给得到的主体簇结构，同时，将被隐藏样本点的标签还原为与其等价的潜在等效粒度的标签，得到共识结果；基于共识结果对电池健康状态进行预测。

本发明授权一种基于等效粒度的高效式模糊聚类集成的锂电池健康状态估计方法及系统在权利要求书中公布了：1.一种基于等效粒度的高效式模糊聚类集成的锂电池健康状态估计方法，其特征在于，包括如下步骤：S1、采集锂电池充放电循环健康特征数据集，对数据集进行聚类得到基本聚类结果数据；S2、基于基聚类结果数据，对样本进行哑变量特征表示并进行缩放；S3、将基聚类结果中始终都在同一个类簇的样本点视为一个潜在等效粒度，构建数据集的等效点集，将其每个子集中的第一个样本点作为该子集的潜在等效粒度，构建潜在等效粒度集；S4、将潜在等效粒度集划分为核心等效粒度集和模糊等效粒度集；S5、衡量任意两个核心等效粒度之间的模糊关系，构建核心等效粒度构成的关系矩阵，基于关系矩阵对主体簇结构进行识别；S6、利用模糊关系将模糊等效粒度分配给得到的主体簇结构；同时，将等效点集中被隐藏样本点的标签还原为与其等价的潜在等效粒度的标签，得到全部样本点构成的最终共识结果；S7、基于得到的共识结果对电池健康状态进行预测；S1包括如下过程：采集锂电池充放电循环健康特征数据集DX＝{x1，x2，…，xj，…，xN}，其中N表示数据集DX中样本点的个数，对数据集DX进行L次划分，得到一组基本聚类结果Π＝{π1，π2，…，πL}，其中表示Π中的第i个基聚类结果，为第i个基聚类结果πi的第l个簇，Pi是第i个基聚类结果πi的簇数，基聚类结果的集合Π中所有簇构成的集合为其中PC为Π中所有簇的总个数，将集合Π也表示为基聚类结果矩阵的形式，即为Π＝[πij]L×N，其中πij表示第i个划分对第j个样本点分配的簇标签；定义协关联矩阵A＝[ajk]N×N为： 其中，S2包括如下过程：基于基聚类结果矩阵Π＝[πij]L×N，对于数据集DX中的任意一个样本点xj，构造其哑变量特征表示dxj为： 其中，的长度为第i个划分下基聚类结果πi的类簇数Pi，从左到右每个元素依次代表第1簇至第Pi簇，基于DBI指数将样本点的哑变量特征表示dxj升级为缩放的哑变量特征表示d*xj： 其中，缩放系数用于衡量第i个基聚类结果的贡献力，DBIi为第i个划分下基聚类结果的DBI指标值得分。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。