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！

龙图腾网恭喜武汉理工大学申请的专利一种基于实车数据的动力电池安全风险评估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：CN114036647B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202111442183.9，技术领域涉及：G06F30/15；该发明授权一种基于实车数据的动力电池安全风险评估方法是由胡杰;杨博闻;朱雪玲;何陈;杨光宇设计研发完成，并于2021-11-30向国家知识产权局提交的专利申请。

本一种基于实车数据的动力电池安全风险评估方法在说明书摘要公布了：本发明涉及基于实车数据的动力电池安全风险评估方法，数据准备阶段：获取运行数据；数据整理与特征提取阶段：对运行数据进行数据预处理，并提取相关特征；算法模型构建阶段：根据所提取的相关特征数据以LSTM模型和等效电路模型通过Adaboost算法对其进行耦合构建算法模型；算法模型预测阶段：以所构建的算法模型对无风险纯电动汽车数据进行训练，通过训练好的模型对有风险纯电动汽车的正常电压进行预测；安全风险评估阶段。利用大数据技术和机器学习与统计学习算法并结合等效电路模型的在线参数识别方法从车辆数据和电池数据中充分挖掘其中隐藏的电池正常电压信息及其变化规律，从而根据正常电压与实际电压偏移度来进行安全风险评估。

本发明授权一种基于实车数据的动力电池安全风险评估方法在权利要求书中公布了：1.一种基于实车数据的动力电池安全风险评估方法，其特征在于，具体步骤如下：数据准备阶段：获取无风险纯电动汽车和有风险纯电动汽车的运行数据；数据整理与特征提取阶段：对纯电动汽车的运行数据进行数据预处理，并提取相关特征；算法模型构建阶段：根据所提取的相关特征数据以LSTM模型和等效电路模型通过Adaboost算法对其进行耦合构建算法模型；算法模型预测阶段：根据所构建的算法模型对无风险纯电动汽车数据进行训练，通过训练好的模型对有风险纯电动汽车的正常电压进行预测；算法模型构建阶段具体为：将特征提取阶段得到的相关特征数据记为x,t时刻的正常电池电压值作为Y，建立Y＝fx的模型，其中f为基于模型学习得到的x和Y之间的转换关系；该模型的输入为t时刻的数据，模型的输出为t时刻电池的正常电池电压值；f采用LSTM模型和等效电路模型以Adaboost进行耦合来构建；LSTM模型构建流程为：加载数据集：导入数据的输入量；定义模型：在Keras中，通过一系列的层来定义神经网络，首先确定输入输出量，设定多个输入和一个输出，其中输入为通过PCC提取的强相关特征，输出为正常电压值；编译模型：对定义模型进行编译，编译过程中选择训练网络所需要的参数去预测，损失函数为MSE；训练模型：在导入的数据上通过fit函数来训练模型，在训练过程中，数据集上迭代的次数称为epochs，而进行梯度下降时每个batch包含的样本数为batch；等效电路模型构建流程为：建立Thevenin模型，并采用在线参数辨识的方式对正常电压进行预测，具体计算流程如下： 其中，μ为遗忘因子；KLs,i为算法的增益；PLs,i为状态估计值的误差协方差矩阵，Φi为系统的数据变量；为系统的参数变量；下角标i表示数据值在第i个时刻；从而可以得到正常电压的预测值如下： 算法模型预测阶段：根据所构建的算法模型对无风险纯电动汽车数据进行训练，通过训练好的模型对有风险纯电动汽车的正常电压进行预测；安全风险评估阶段：根据所预测出的有风险纯电动汽车的正常电压与实际电压的偏离度来进行安全风险评估，以无风险纯电动汽车模型训练的误差最大值作为偏离度的阈值，并根据有风险纯电动汽车动力电池工作时正常电压与实际电压的偏离度是否超过阈值将动力电池安全风险分为多个风险等级，然后以此进行安全风险评估。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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”。