申请/专利权人：湖南省计量检测研究院

申请日：2024-01-09

公开（公告）日：2024-04-09

公开（公告）号：CN117849626A

主分类号：G01R31/367

分类号：G01R31/367;G16C20/70;G16C20/30;G06N3/08;G06F18/2131;G06F18/214;G06V10/44;G06V10/82;G01R31/396;G01R31/392;G06N3/0464;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：基于人工智能实现电池健康度智能分析的系统及方法，通过电化学阻抗谱采集模块测试不同健康状态下的电池的电化学阻抗谱；通过电化学阻抗谱训练模块建立神经网络算法模型，通过健康度预测模块，获取待测电池的电化学阻抗谱，将其输入至训练好的神经网络算法模型中进行阻抗谱识别，判断待测电池的健康状态。通过人工智能的检测方式可快速的实现待测电池的健康度检测，具有结构简单、成本低、测量精度高、运算量小、计算速度快等优点。

主权项：1.基于人工智能实现电池健康度智能分析的系统，其特征在于，所述系统包括：电化学阻抗谱采集模块、电化学阻抗谱训练模块、健康度预测模块以及健康度显示模块；所述电化学阻抗谱采集模块与所述电化学阻抗谱训练模块及所述健康度预测模块电性连接，所述健康度预测模块与所述健康度显示模块电性连接；所述电化学阻抗谱采集模块，用于测试不同健康状态下的电池的电化学阻抗谱，得到测试数据；所述电化学阻抗谱训练模块，将训练样本作为输入对预先建立的神经网络算法模型进行训练；其中，根据采集到的不同健康状态下的电池的阻抗谱测试数据建立样本集，按样本抽样方法将所述样本集划分为训练集与测试集，所述训练集用于算法模型的训练，所述测试集用于检验所述算法模型预测结果的准确度，通过神经网络的图像识别算法或预测算法对电化学阻抗谱进行学习得到训练好的神经网络算法模型，实现不同健康状态条件下的电池阻抗谱特性的识别；所述健康度预测模块，获取待测电池的电化学阻抗谱，将其输入至训练好的神经网络算法模型中，预测待测电池的健康状态；所述健康度显示模块，用于显示待测电池的电化学阻抗谱以及待测电池的健康状态。

全文数据：

权利要求：

百度查询： 湖南省计量检测研究院 基于人工智能实现电池健康度智能分析的方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD