未公开尔曼滤波器和神经网络联合估计模型的SoC估计方法(不用二变)
本发明属于锂电池SoC估计领域,具体涉及一种基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法;该方法包括:实时获取待检测的锂电池的电流和电压;将获取的电流和电压输入到神经网络联合估计模型中,得到待检测的锂电池SoC估计结果,本发明利用锂电池电化学模型结合神经网络非线性参数化方法,提高了模型的泛化能力;使用Sage‑Husa估计器与无迹卡尔曼滤波算法结合,提高算法估计精度;通过实时更新模型参数,解决了因环境变化和自身老化造成的锂电池模型准确性降低的问题;与深度学习的估计方法相比,需要的数据量更小,抗噪声的能力更强。
《未公开尔曼滤波器和神经网络联合估计模型的SoC估计方法(不用二变)》是一发明专利,专利号为 2021113592591,当前法律状态为已下证,由重庆邮电大学提出申请,发明人为侯杰;刘家尉;谢昊飞;陈丰伟;刘井响;李鹏华;杨扬,申请日期为2021-11-17,公开(公告)日期为2024-10-22,国际专利分类号(IPC)为 G01R 31/382 (2019.01),高新资质:未报高企,所属技术领域包括:锂电池算法固件、电池管理芯片、电池健康管理、电量计、储能安全管理、测试标定软件、边缘算法模块、电池测试。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明属于锂电池SoC估计领域,具体涉及一种基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法;该方法包括:实时获取待检测的锂电池的电流和电压;将获取的电流和电压输入到神经网络联合估计模型中,得到待检测的锂电池SoC估计结果,本发明利用锂电池电化学模型结合神经网络非线性参数化方法,提高了模型的泛化能力;使用Sage‑Husa估计器与无迹卡尔曼滤波算法结合,提高算法估计精度;通过实时更新模型参数,解决了因环境变化和自身老化造成的锂电池模型准确性降低的问题;与深度学习的估计方法相比,需要的数据量更小,抗噪声的能力更强。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
