对比文件名称：2016-12-01_US2016349330A_发明申请_US20160349330A1 SYSTEMS AND METHODS FOR DETERMINING VEHICLE BATTERY HEALTH
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：AI专利分析模型
### 特征比对表格
| 技术特征描述及公开性判断结果 | 对比文件原文引用（翻译中文） | 公开性论述 |
| 技术特征A：电流提供单元，被配置为向电池单元提供预设的固定电流 《直接公开》 | [0035]“替代或附加地，可以施加特定测试电流到电池，而不是测试电压。” | 对比文件明确记载可以施加特定测试电流（specific test current）到电池，该电流是预先设定的、用于测量电阻的已知电流，与目标专利中“预设的固定电流”实质相同；其作用均是通过施加已知电流来测量电池电阻，因此本领域技术人员能够毫无疑义地确认该技术特征已被直接公开。 |
| 技术特征B：电压测量单元，被配置为在提供固定电流之后测量开路电压，当电池充满电时在开路电压状态下执行测量，固定电流是电池的平衡电流 《未公开》 | [0049]“当车辆未运行时…对车辆电池进行欧姆测量”；<br>[0034]“通过电容C1施加电压(Vapp)到车辆电池端子…差分放大器测量车辆电池两端的电压”。 | 对比文件仅公开在车辆未运行等状态下进行电压测量，但未指出必须在电池“充满电”时进行测量，也未提及“开路电压（OCV）状态”这一特定条件；同时对比文件使用的电流是欧姆测试的“特定测试电流”或“施加电压”，而非电池的“平衡电流”，因此该技术特征的多项限定均未被对比文件公开或暗示，不能认定为公开。 |
| 技术特征C：外部电阻计算单元，被配置为基于开路电压和固定电流计算电池单元的外部电阻值 《直接公开》 | [0035]“车辆电池的阻抗可以基于车辆电池电阻来确定，通过将欧姆定律应用于车辆电池的估计电阻和电容。” | 对比文件描述了通过施加测试信号并测量电压、电流，然后应用欧姆定律计算电阻/阻抗，这与目标专利基于开路电压和固定电流计算外部电阻值的原理完全一致；目标专利中的“外部电阻值”包括内部电阻及连接电阻，而对比文件测量的“内部电阻或阻抗”在广义上属于电阻值，故该技术特征已被直接公开。 |
| 技术特征D：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 《隐含公开》 | [0057]“智能系统可以基于数据集确定车辆电池的剩余寿命…通过将数据集中包含的信息与对应于其他车辆电池的历史信息进行比较”；<br>[0028]“基于信息与预选阈值、触发条件或其他条件的比较做出判定”。 | 对比文件虽然未明确提及“电压降引起的电池异常”，但其通过将当前测量的电阻相关信息（数据集中包含电阻数据）与历史数据或预设阈值进行比较，从而判定电池健康状态（如剩余寿命），这种比较的目的是识别性能退化或故障，在本质上是诊断异常；电压降是电阻增大的直接结果，本领域技术人员根据对比文件的教导可以合理推断出该比较用于诊断因电阻变化（即电压降）导致的异常，故技术特征D被隐含公开。 |
| 技术特征E：电压测量单元按照预定时段测量电池单元的开路电压 《直接公开》 | [0042]“远程信息处理设备可以基于每个请求和/或根据预选计划从欧姆测试设备收集信息。” | 对比文件公开了按照“预选计划”（pre-selected schedule）收集欧姆测量信息（包括电压测量），即按照预定时段进行周期性测量，与目标专利中“按照预定时段测量开路电压”的含义等同；该计划可由用户预先设定，实现方式的实质相同，故直接公开。 |
| 技术特征F：存储器基于在预定时段内测量的开路电压累积和存储在预定时段内计算出的外部电阻值 《直接公开》 | [0050]-[0052]多次记载“将欧姆测量值连同时间戳一起存储”；<br>[0024]“远程信息处理设备可以收集、存储、传输信息。” | 对比文件明确将每次欧姆测量的电阻值（对应于外部电阻值）与时间戳关联存储，并可以累积存储多个时段的数据，这与目标专利中存储器累积存储外部电阻值的功能完全相同；时间戳对应预定时段，存储方式直接公开，故技术特征F直接公开。 |
| 技术特征G：预设的外部电阻值是在电池单元充满电之后初始计算的外部电阻值 《未公开》 | 对比文件全文未提及“电池单元充满电”这一条件，也未涉及“初始计算”作为预设值。 | 对比文件未公开在电池充满电后进行初次测量并将其作为预设基准电阻值的技术内容，无法从对比文件直接或隐含得出该特征，故未公开。 |
| 技术特征H：异常诊断单元基于计算出的外部电阻值与预设的电阻值之差是否在预定范围之外诊断电池异常 《隐含公开》 | [0028]“基于信息与预选阈值、触发条件或其他条件的比较做出判定”。 | 对比文件虽然未明确使用“差值”一词，但“与预选阈值的比较”通常隐含了计算当前值与参考值之间的差异并判断是否超过阈值（即预定范围）的过程；目标专利中的“预定范围”实质上就是阈值范围，本领域技术人员根据对比文件比较信息与预选阈值的教导，能够合理推断出通过差值是否超出范围来诊断异常，故技术特征H被隐含公开。 |
| 技术特征I：预定范围是初始计算的外部电阻值的10% 《未公开》 | 对比文件全文未出现10%或类似具体比例。 | 对比文件未公开任何具体的百分比数值限定，本领域技术人员无法从中得到“10%”这一范围，故未公开。 |
| 技术特征J：预设的外部电阻值是存储在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当前值之前的计算时段计算出并存储在存储器中的外部电阻值 《隐含公开》 | [0057]“与历史信息比较”；<br>表I（训练数据）使用“Last 7 days ohmic measurement mean”“Last 30 days ohmic measurement mean”作为输入特征。 | 对比文件在比较电池健康时，使用了历史时段（如过去7天、30天）的电阻测量均值作为参考，这表明预设的比较基准可以是先前计算时段的值；虽然未明确限定为“紧邻的上一时段”，但本领域技术人员根据对比文件使用历史时段数据进行比较的启示，可以合理推断出预设值可以是当前计算之前的任一时段（包括前一计算时段）计算并存储的电阻值，故技术特征J被隐含公开。 |
| 技术特征K：异常诊断单元基于从预设的外部电阻值到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 《隐含公开》 | 表I输入变量包括“Last 7 days ohmic measurement change”（即过去7天欧姆测量变化量）；<br>[0060]“智能系统可以使用加权算法，考虑数据集中不同类型信息的相关性…在确定未来电池性能时，内部电阻、温度等部分被赋予更大权重。” | 对比文件不仅收集电阻变化量作为特征，还在预测电池性能（相当于诊断异常）时综合考虑电阻及其变化；使用变化量来判断电池趋势本质上与目标专利基于变化量是否超出范围来诊断异常类似；本领域技术人员能从对比文件使用变化量进行预测的教导中合理推断出通过比较变化量与预定范围（如阈值）来识别异常，故技术特征K被隐含公开。 |
| 技术特征L：预定范围是在紧接之前计算时段中存储的电阻值变化量的200% 《未公开》 | 对比文件全文未出现200%或类似具体倍数。 | 对比文件未公开任何与200%变化量相关的范围限定，本领域技术人员无法从中得出该具体数值，故未公开。 |
| 技术特征M：外部电阻值包括电池单元连接部分的引线电阻、汇流条电阻、FPC电阻、PCB电阻和连接器电阻中的至少一种 《隐含公开》 | [0021]“欧姆测试设备可以确定车辆电池的内部电阻或阻抗”；<br>[0033]车辆电池被模型化为串联电阻R1和并联RC电路，反映总电阻。 | 对比文件虽仅提及“内部电阻或阻抗”，但实际欧姆测量是在电池端子处进行的，所测得的电阻必然包括电池内部电阻以及从电池到测量点之间的所有连接电阻（引线、汇流条、PCB、连接器等）；本领域技术人员知晓这些连接电阻是测量值的组成部分，因此从对比文件可以合理推断出其电阻值包含了这些连接部分的贡献，故技术特征M被隐含公开。 |
| 技术特征N：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电池异常 《直接公开》 | [0060]“智能系统可以实现的机器学习技术包括人工神经网络(ANN)、高斯过程模型、支持向量机、朴素贝叶斯分类器等”；<br>[0064]“基于反馈信息实现机器学习技术”；<br>[0058]“智能系统对来自多辆车辆的数据集实施机器学习技术来训练模型”。 | 对比文件的核心内容之一就是利用机器学习（如ANN）和大数据（来自多辆车辆的历史数据）来分析电池健康并进行诊断预测，这与目标专利的特征N完全一致；其作用均是采用先进的数据分析技术提高诊断的准确性，因此直接公开。 |
### 公开性代码
<<<A>>><<<C>>><<<E>>><<<F>>><<<N>>><<<d>>><<<h>>><<<j>>><<<k>>><<<m>>>