对比文件名称：2018-07-25_EP3351953A_发明公开_EP3351953A1 BATTERY MANAGEMENT METHOD AND APPARATUS
目标专利名称：1526电池电阻诊断装置和方法CN113711068B
本次调用的模型名称：GPT-4（用于本分析的生成模型）
以下是根据目标专利权利要求的技术特征进行的特征比对表格。对于每一技术特征，首先判断是否直接被对比文件公开，若无则进一步判断是否隐含公开（标准宽松）。表格中“公开性判断结果”标注在技术特征描述后。
| 技术特征描述及公开性判断结果 | 对比文件原文引用（翻译成中文） | 公开性论述 |
| **技术特征A**：所述电池电阻诊断装置包括电流提供单元，所述电流提供单元被配置为向电池单元提供预设的固定电流。<br>**公开性：未公开** | 对比文件全文未记载任何“电流提供单元”或“提供预设的固定电流”的部件或步骤。对比文件中的电流数据来自于电池组电流传感器感测的充放电电流（[0040]：“电流传感器以感测周期（例如1秒）将感测的电池组电流数据发送给电池管理装置”）。 | 对比文件没有公开任何向电池单元主动提供固定电流的单元。其所用的电流是电池工作过程中自然存在的充放电电流，并非由诊断装置提供的预设固定电流。本领域技术人员无法从对比文件中毫无疑问地得出该技术特征，且对比文件也未给出任何关于提供固定电流的启示或暗示，因此不构成直接公开或隐含公开。 |
| **技术特征B**：电压测量单元，所述电压测量单元被配置为在提供所述固定电流之后测量所述电池单元的开路电压，其中，当所述电池单元充满电时，在所述电池单元为开路电压的状态下执行所述测量，并且所述固定电流是电池的平衡电流。<br>**公开性：未公开** | 对比文件仅记载电压传感器以感测周期（例如1秒）测量电池电压（[0040]：“电压传感器以感测周期将感测的电池电压数据发送给电池管理装置”），但未限定测量条件为“提供固定电流之后”、“电池充满电”或“开路电压状态”。对比文件未提及平衡电流或平衡电路。 | 对比文件没有公开任何与“平衡电流”或“充满电后测量开路电压”相关的内容。其测量的电压是电池在使用中（充放电）的端电压，而非开路电压。本领域技术人员无法从对比文件中获知或合理推断出在提供固定电流后且在充满电状态下测量开路电压的技术方案，因此该特征未被公开。 |
| **技术特征C**：外部电阻计算单元，所述外部电阻计算单元被配置为基于所述电池单元的所述开路电压和所述固定电流来计算所述电池单元的外部电阻值。<br>**公开性：未公开** | 对比文件公开了内部电阻估计器（internal resistance estimator 130），该估计器基于预处理后的电压数据序列和电流数据序列，通过内部电阻估计模型估计电池的内部电阻（[0043]：“内部电阻估计器基于预处理的电压数据序列、预处理的电流数据序列以及至少一个内部电阻估计模型来估计电池的内部电阻”）。但该内部电阻不包括目标专利中的“外部电阻”（如引线电阻、汇流条电阻等）。 | 对比文件虽公开了基于电压和电流数据计算电阻（内部电阻），但其计算方法依赖机器学习模型，且计算条件为使用电压/电流序列而非直接基于开路电压和固定电流。更重要的是，对比文件计算的电阻是电池的内部退化电阻，而目标专利的“外部电阻”特指电池连接部分的电阻（引线、汇流条、FPC、PCB、连接器电阻等），二者在物理意义上不同。对比文件未公开任何外部电阻计算的内容，本领域技术人员无法从其公开的内容合理推断出基于开路电压和固定电流计算外部电阻的方案，因此未公开。 |
| **技术特征D**：异常诊断单元，所述异常诊断单元被配置为通过将计算出的外部电阻值与预设的外部电阻值进行比较来诊断由于电压降引起的电池异常。<br>**公开性：未公开** | 对比文件公开了状态确定器（state determiner 150），其通过将估计的内部电阻与阈值进行比较来确定电池状态信息，若估计的内部电阻大于阈值则判定为异常状态（[0046]：“当估计的内部电阻大于阈值时，状态确定器将电池的状态信息确定为异常状态”）。阈值是预设的固定值，但并非“预设的外部电阻值”，且比较的对象是内部电阻而非外部电阻。 | 对比文件虽然使用了“电阻比较诊断”的通用思路，但其所比较的电阻是内部电阻，且诊断的异常源于电池退化，而非目标专利中由于外部电阻增大引起的电压降异常。目标专利明确要求“外部电阻值”和“预设的外部电阻值”，对比文件完全没有提及外部电阻，也未公开任何基于外部电阻比较的诊断。本领域技术人员无法从对比文件直接或合理地推断出该技术特征，因此未公开。 |
| **技术特征E**：其中，所述电压测量单元按照预定时段测量所述电池单元的所述开路电压。<br>**公开性：未公开** | 对比文件记载电压传感器以感测周期（例如1秒）测量电池电压，形成了电压数据序列（[0040]：“电压传感器以感测周期（例如1秒）将感测的电池电压数据发送给电池管理装置”）。但所测量的不是开路电压，而是使用中的端电压。 | 对比文件虽公开了周期性测量电压，但未明确测量的是开路电压。目标专利中的“开路电压”特指电池在开路状态（无负载、无电流）下的电压，而对比文件在测量时电池处于充放电状态（有电流流过），因此端电压不等于开路电压。本领域技术人员无法从对比文件关于周期性测量端电压的记载中合理推断出也要周期性测量开路电压，故该特征未公开。 |
| **技术特征F**：其中，所述电池电阻诊断装置包括存储器，所述存储器基于在所述预定时段内测量的所述电池单元的所述开路电压来累积和存储在所述预定时段内计算出的外部电阻值。<br>**公开性：未公开** | 对比文件描述了接收器110将接收的电压数据和电流数据存储在缓冲器中（[0056]：“接收器将电压数据V1t存储在缓冲器中”），并利用这些数据序列进行内部电阻估计。但未提及存储外部电阻值，也未提及基于开路电压进行累积存储。 | 对比文件的存储器存储的是原始电压/电流数据或估计的内部电阻（隐含），但从未存储“外部电阻值”。目标专利要求存储器基于预定时段测量的开路电压来累积外部电阻值，对比文件既没有开路电压测量，也没有外部电阻计算，更无从累积存储。因此未公开。 |
| **技术特征G**：其中，所述预设的外部电阻值是在所述电池单元充满电之后由所述外部电阻计算单元初始计算的外部电阻值。<br>**公开性：未公开** | 对比文件未记载“充满电”或“初始计算外部电阻值”的概念。其预设的阈值是固定值，并非由初始计算得到。 | 对比文件没有任何涉及充满电后初始计算外部电阻值的内容，也不存在“预设外部电阻值”的类似设置。因此未公开。 |
| **技术特征H**：其中，所述异常诊断单元基于所述计算出的外部电阻值与所述预设的外部电阻值之差是否在预定范围之外来诊断电池异常。<br>**公开性：未公开** | 对比文件的状态确定器基于估计的内部电阻是否大于阈值来判断异常（[0046]），这本质上是比较（估计值 - 阈值）> 0，即差值比较。但该差值比较基于内部电阻和固定阈值，而非外部电阻差值。 | 虽然对比文件包含了“基于电阻比较诊断异常”，但其前提条件（内部电阻、固定阈值）与目标专利（外部电阻、预设外部电阻值）完全不同。目标专利的差值比较是针对特定外部电阻值及其预设值，对比文件对此没有任何公开或暗示，本领域技术人员无法合理推断出该特征，故未公开。 |
| **技术特征I**：其中，所述预定范围是在所述外部电阻计算单元中初始计算的所述外部电阻值的10%。<br>**公开性：未公开** | 对比文件未公开任何关于预定范围百分比的信息，其阈值是固定值，不依赖于初始计算值。 | 对比文件未涉及任何百分比范围，更未提及10%的特定数值，因此未公开。 |
| **技术特征J**：其中，所述预设的外部电阻值是存储在所述存储器中的在预定时段计算出的外部电阻值当中的在计算所述计算出的外部电阻值之前的计算时段计算出并存储在所述存储器中的外部电阻值。<br>**公开性：未公开** | 对比文件的阈值是预设固定值（如[0046]所述），不会随着先前计算时段的外部电阻值而变化。对比文件未使用先前时段的值作为预设值。 | 对比文件未公开将前一计算时段的外部电阻值作为当前比较的预设值，其诊断基于固定阈值，与当前或以前的计算结果无关。因此未公开。 |
| **技术特征K**：其中，所述异常诊断单元基于从所述预设的外部电阻值到所述计算出的外部电阻值的变化量是否在预定范围之外来诊断电池异常。<br>**公开性：未公开** | 对比文件未公开基于电阻值变化量进行诊断的方法。其状态确定器仅比较当前估计内阻与阈值，不考虑从之前值到当前值的变化量。 | 对比文件没有使用变化量进行诊断的记载或暗示，本领域技术人员无法合理推断出该特征，故未公开。 |
| **技术特征L**：其中，所述预定范围是在紧接在计算所述计算出的外部电阻值之前的计算时段中存储在所述存储器中的所述电阻值的变化量的200%。<br>**公开性：未公开** | 对比文件未公开任何关于变化量百分比阈值的具体数值，更未提及200%。 | 对比文件完全没有涉及基于先前变化量设置200%范围的内容，因此未公开。 |
| **技术特征M**：其中，所述电池单元的所述外部电阻值包括所述电池单元的连接部分的引线电阻、汇流条电阻、柔性印刷电路FPC电阻、印刷电路板PCB电阻和连接器电阻中的至少一个电阻值。<br>**公开性：未公开** | 对比文件在定义电池时提到互连（[0039]：“互连的电池模块或电池单元，带有端子”），但未列出具体的连接电阻类型。其估计的内部电阻通常指电池内部的电化学电阻，不包括外部连接线电阻。 | 对比文件没有公开任何具体的外部连接电阻类型（引线、汇流条、FPC、PCB、连接器电阻等），本领域技术人员也无法从其关于“内部电阻”的记载中合理推断出这些外部电阻，故未公开。 |
| **技术特征N**：其中，所述异常诊断单元基于大数据分析和机器学习中的至少一种来诊断所述电池异常。<br>**公开性：隐含公开** | 对比文件明确记载使用机器学习（神经网络）训练内部电阻估计模型，该模型用于估计与退化相关的内部电阻（[0043]：“内部电阻估计模型是基于参考值和估计值训练的”；[0105]：“培训器基于误差反向传播学习来训练内部电阻估计模型”）。估计出的内部电阻直接用于状态确定器判断电池异常（[0046]）。因此，整个诊断过程（从电阻估计到异常判定）依赖于机器学习模型。 | 对比文件虽然没有直接声明“异常诊断单元基于机器学习”，但其整体的异常诊断流程（估计内阻→判定异常）的关键部分——内阻估计——明确采用了机器学习（神经网络模型）。该机器学习的输出直接决定了异常诊断的结果。本领域技术人员阅读对比文件后，可以合理推断出其异常诊断间接但实质性地基于机器学习。目标专利特征N要求诊断单元基于机器学习，对比文件公开了机器学习在电阻估计中的应用，而该电阻估计是诊断的核心，因此该特征被隐含公开。 |
**总结：** 经过逐项分析，技术特征A至M均未被对比文件直接或隐含公开；技术特征N因对比文件公开了基于机器学习的电阻估计且该估计直接用于异常诊断，故被隐含公开。
<<<n>>>