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！

龙图腾网恭喜中国计量大学申请的专利一种基于深度学习的锂电池健康状态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：CN119535238B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202510085284.7，技术领域涉及：G01R31/367；该发明授权一种基于深度学习的锂电池健康状态评估方法是由竺春祥;周星凯;晏邦杰;段宇翔;沈志杰;舒红;刘啸天;王之远;任宇晨设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于深度学习的锂电池健康状态评估方法在说明书摘要公布了：本发明公开了一种基于深度学习的锂电池健康状态评估方法，本发明涉及电池评估技术领域。包括以下步骤：通过电化学阻抗谱测试获取锂电池的奈奎斯特曲线图，并将其与内部阻抗特征参数一一映射，生成样本图像集。基于样本图像集建立深度学习网络模型，以奈奎斯特曲线图为输入，内部阻抗特征参数为标签，训练生成预测模型。对待评估电池进行测试，输入目标奈奎斯特曲线图以预测内部阻抗特征参数。结合电力特征参数，计算容量保持率指数、循环效率劣化指数及外形膨胀影响指数。通过综合分析上述指标，得出健康状态综合系数，并与健康阈值对比，判断电池健康状态。该方法通过深度学习提升评估精度，实现高效准确的健康状态评估。

本发明授权一种基于深度学习的锂电池健康状态评估方法在权利要求书中公布了：1.一种基于深度学习的锂电池健康状态评估方法，其特征在于，具体步骤包括：对若干已知内部阻抗特征参数的锂电池进行电化学阻抗谱测试，获取对应的奈奎斯特曲线图，基于获取的奈奎斯特图，生成样本图像集，将各奈奎斯特曲线图与对应的内部阻抗特征参数一一映射存入样本图像集，所述内部阻抗特征参数包括电解质欧姆阻抗、固体电解质相界面膜阻抗和扩散阻抗；基于样本图像集，建立深度学习网络模型，将样本图像集内的若干奈奎斯特曲线图作为深度学习网络模型的输入，并以每张曲线图对应的内部阻抗特征参数为标签，对深度学习网络模型进行训练，得到内部阻抗特征参数预测模型；对待评估的锂电池进行电化学阻抗谱测试，得到目标奈奎斯特曲线图，将目标奈奎斯特曲线图输入完成训练的内部阻抗特征参数预测模型中，得到待评估的锂电池的内部阻抗特征参数，同时对待评估的锂电池进行完全充电和放电测试，记录对应电力特征参数；根据得到的待评估的锂电池的内部阻抗特征参数，结合对应电力特征参数计算生成容量保持率指数、循环效率劣化指数和外形膨胀影响指数，所述电力特征参数包括完全充电和放电的开始及结束时刻、流经电流、对应电压和表面最高温度；基于容量保持率指数、循环效率劣化指数和外形膨胀影响指数，综合分析得到待评估的锂电池的健康状态综合系数，将待评估的锂电池的健康状态综合系数与锂电池健康阈值相对比，根据不同对比结果，判断待评估的锂电池的健康状态；其中健康状态综合系数计算所依据的公式为： 式中，CHI为健康状态综合系数，ω1、ω2和ω3分别为外形膨胀影响指数、循环效率劣化指数和容量保持率指数的权重系数，其中ω1ω2≥ω3且ω1、ω2和ω3均大于0，EDI为循环效率劣化指数，RAF为容量保持率指数，PDI为外形膨胀影响指数；将待评估的锂电池的健康状态综合系数与锂电池健康阈值相对比，根据不同对比结果，判断待评估的锂电池的健康状态，其中判断待评估的锂电池的健康状态所依据的逻辑为：当CHI≥0.7*yz时，判断为待评估的锂电池的健康状态为优，表示该锂电池应正常使用；当0.4*yz≤CHI0.7*yz时，判断为待评估的锂电池的健康状态为良，表示该锂电池应进行维修或更换；当0≤CHI0.4*yz时，判断为待评估的锂电池的健康状态为差，表示该锂电池无法继续使用；其中yz为设置的锂电池健康阈值。

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中国计量大学，其通讯地址为：310018 浙江省杭州市钱塘区学源街258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”。