CN111551856A - 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 - Google Patents
车辆蓄电池状态检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111551856A CN111551856A CN202010213309.4A CN202010213309A CN111551856A CN 111551856 A CN111551856 A CN 111551856A CN 202010213309 A CN202010213309 A CN 202010213309A CN 111551856 A CN111551856 A CN 111551856A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- storage battery
- battery
- parking
- voltage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/371—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with remote indication, e.g. on external chargers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
- G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本申请涉及一种车辆蓄电池状态检测方法、装置、计算机设备和存储介质。所述方法包括:获取待测车辆的停车电压数据;根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据;通过电池检测模型识别蓄电池电压特征数据,得到蓄电池的亏电概率;根据蓄电池的亏电概率确定蓄电池的状态。采用本方法通过从停车电压数据中提取能够全面反映蓄电池亏电时的特征数据,并通过训练好的模型对其进行识别,因此,极大的提高了对蓄电池状态检测的准确性。
Description
技术领域
本申请涉及电池状态检测技术领域,特别是涉及一种车辆蓄电池状态检测方法、装置、计算机设备和存储介质。
背景技术
蓄电池是一种贮存化学能量的装置,放电后,能够用充电的方式使内部活性物质再生,即把电能储存为化学能,需要放电时再将化学能转换为电能。目前,蓄电池已被大量的应用在汽车领域,而正确使用蓄电池可以延长蓄电池的寿命,不良的使用习惯将会缩短蓄电池的寿命,例如在长期亏电状态下会对蓄电池产生不良影响,还导致无法启动车辆。
传统技术中,市场上的车辆蓄电池电压监测都是采用实时监测的方式,即当监测到电压低于某个阈值时就进行预警等方案。然而,从生产实践中得知,在车辆行驶和熄火时监测到的蓄电池电压是不同的,车辆行驶时监测的电压是发电机的电压,此时电压较高;而车辆在熄火时监测到的才是蓄电池提供的电压,此时电压相对较低;且在用车过程中,可能会存在某一时段开启的用电器过多,耗电过大而出现瞬时电压较低等情形,因此,采用传统通过阈值的方法判断车辆蓄电池是否异常会存在较大的误差。
发明内容
基于此,有必要针对上述传统通过阈值的方法判断车辆蓄电池状态误差较大的技术问题,提供一种能够准确判断车辆蓄电池状态的车辆蓄电池状态检测方法、装置、计算机设备和存储介质。
根据本发明的第一方面,提供一种车辆蓄电池状态检测方法,所述方法包括:
获取待测车辆的停车电压数据;
根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据;
通过电池检测模型识别蓄电池电压特征数据,得到蓄电池的亏电概率;
根据蓄电池的亏电概率确定蓄电池的状态。
在其中一个实施例中,蓄电池的状态包括正常状态和亏电状态;则根据蓄电池的亏电概率确定蓄电池的状态之后,所述方法还包括:若确定蓄电池的状态为亏电状态,则生成亏电提示信息,所述亏电提示信息用于提示待测车辆的用户蓄电池的状态异常;向与待测车辆的用户所绑定的终端发送亏电提示信息。
在其中一个实施例中,获取待测车辆的停车电压数据,包括:获取待测车辆的OBD系统根据预设的采样周期,采集的待测车辆在设定时间段内的多个停车电压、与多个停车电压对应的采集时间和点火计数标签。
在其中一个实施例中,根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据,包括:根据设定的电压特征数据提取规则,对采集的待测车辆在设定时间段内的多个停车电压、与多个停车电压对应的采集时间和点火计数标签进行计算,得到蓄电池电压特征数据,其中,蓄电池电压特征数据包括待测车辆的行驶及停驶习惯特征数据、蓄电池的衰老程度特征数据、蓄电池在停车进入稳定状态后的电池状态特征数据、蓄电池的停车电压状态的特征数据、待测车辆最近一次的充电状态特征数据以及待测车辆点火前电压的特征数据。
在其中一个实施例中,电池检测模型的生成方法包括:获取若干个车辆的停车电压数据样本,所述停车电压数据样本中包括若干个车辆的停车电压数据以及每个车辆对应的蓄电池是否存在亏电记录的标签;根据设定的电压特征数据提取规则,从停车电压数据中提取每个车辆对应的蓄电池电压特征数据;根据每个车辆对应的蓄电池电压特征数据以及车辆对应的蓄电池是否存在亏电记录的标签生成训练数据集;采用分类算法对训练数据集进行训练,生成电池检测模型。
在其中一个实施例中,若干个车辆的停车电压数据样本中,所述蓄电池存在亏电记录的停车电压数据样本数与蓄电池不存在亏电记录的停车电压数据样本数相同;则获取若干个车辆的停车电压数据样本,包括:获取若干个车辆的OBD系统根据预设的采样周期采集的车辆的历史停车电压数据,若车辆的历史停车电压数据存在亏电记录,则从历史停车电压数据中获取所述车辆亏电时刻之前的预设个采样周期的停车电压数据;若车辆的历史停车电压数据中不存在亏电记录,则从历史停车电压数据中获取车辆预设个采样周期的停车电压数据。
根据本发明的第二方面,提供一种车辆蓄电池状态检测装置,所述装置包括:
数据获取模块,用于获取待测车辆的停车电压数据;
特征数据提取模块,用于根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据;
亏电概率检测模块,用于通过电池检测模型识别蓄电池电压特征数据,得到蓄电池的亏电概率;
蓄电池状态确定模块,用于根据蓄电池的亏电概率确定蓄电池的状态。
在其中一个实施例中,蓄电池的状态包括正常状态和亏电状态;所述装置还包括:提示信息生成模块,用于若确定蓄电池的状态为亏电状态,则生成亏电提示信息,所述亏电提示信息用于提示用户蓄电池的状态异常;提示信息发送模块,用于向与待测车辆的用户绑定的终端发送亏电提示信息。
根据本发明的第三方面,提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面的任一项实施例中所述的车辆蓄电池状态检测方法。
根据本发明的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面的任一项实施例中所述的车辆蓄电池状态检测方法。
上述车辆蓄电池状态检测方法、装置、计算机设备和存储介质,通过获取待测车辆的停车电压数据,并根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据,通过电池检测模型识别蓄电池电压特征数据,得到蓄电池的亏电概率,进而根据蓄电池的亏电概率确定蓄电池的状态。由于本实施例是通过从停车电压数据中提取能够全面反映蓄电池亏电时的特征数据,并通过训练好的模型对其进行识别,因此,极大的提高了对蓄电池状态检测的准确性。
附图说明
图1为一个实施例中车辆蓄电池状态检测方法的应用环境图;
图2为一个实施例中车辆蓄电池状态检测方法的流程示意图;
图3为另一个实施例中车辆蓄电池状态检测方法的流程示意图;
图4为一个实施例中电池检测模型生成步骤的流程示意图;
图5为一个实施例中车辆蓄电池状态检测方法的具体应用示意图;
图6为一个实施例中车辆蓄电池状态检测装置的结构框图;
图7为一个实施例中计算机设备为服务器时的内部结构图;
图8为一个实施例中计算机设备为OBD系统时的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的车辆蓄电池状态检测方法,可以应用于如图1所示的应用环境中。其中,车辆的OBD(On-Board Diagnostics,即车载自动诊断系统)系统102通过网络与服务器104进行通信。具体的,车辆的OBD系统102将采集的车辆的停车电压数据发送给服务器104,服务器104根据设定的电压特征数据提取规则,从车辆的停车电压数据中提取该车辆的蓄电池电压特征数据,并通过电池检测模型识别蓄电池电压特征数据,从而得到蓄电池的亏电概率,进而根据蓄电池的亏电概率确定该蓄电池的状态。在本实施例中,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
本申请提供的车辆蓄电池状态检测方法,还可以应用于车辆的OBD系统102中,OBD系统102采集到车辆的停车电压数据后,根据设定的电压特征数据提取规则,从车辆的停车电压数据中提取该车辆的蓄电池电压特征数据,并通过电池检测模型识别蓄电池电压特征数据,从而得到蓄电池的亏电概率,进而根据蓄电池的亏电概率确定该蓄电池的状态。
在一个实施例中,如图2所示,提供了一种车辆蓄电池状态检测方法,以该方法应用于图1中的OBD系统为例进行说明,包括以下步骤:
步骤202,获取待测车辆的停车电压数据。
其中,停车电压数据是指车辆的OBD系统测得的车辆为停车状态时蓄电池的电压值以及相关参数,包括采集电压值的当前时间以及当前对应的点火计数标签等,其中,点火计数标签即为sessionID,此ID每点火一次会自动加1,session表示点火次数,一段时间内,首末两个ID做差得到对应的点火次数。具体的,OBD系统可以根据设定的采样周期对车辆的停车电压数据进行周期性采集,因此,通过车辆的OBD系统即可获取到对应车辆的停车电压数据。
步骤204,根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据。
其中,设定的电压特征数据提取规则是预先设置的,具体的提取规则将在下述实施例中进行详细的说明。在本实施例中,根据预先设置的提取规则可以使得提取出的蓄电池电压特征数据能够全面反映蓄电池亏电时的电压特征。由于传统的通过某一时刻的测得值来判断蓄电池是否异常存在较大的不准确性,因此,在本实施例中,根据设定的电压特征数据提取规则,对停车电压数据进行分析计算,从而提取出能够全面反映蓄电池亏电时的电压特征数据。
步骤206,通过电池检测模型识别蓄电池电压特征数据,得到蓄电池的亏电概率。
其中,电池检测模型是预先训练好的,该模型能够根据输入的通过上述步骤获得的蓄电池电压特征数据,而得到对应蓄电池的亏电概率,进而可以根据蓄电池的亏电概率判断蓄电池的状态。
步骤208,根据蓄电池的亏电概率确定蓄电池的状态。
其中,蓄电池的状态包括正常状态和亏电状态,具体的,正常状态是指蓄电池的电压或电量能够满足用电器正常工作的要求,亏电状态则是指蓄电池的电压或电量不能满足用电器正常工作的要求。在本实施例中,可以根据实际需要而设定亏电概率的阈值,当通过上述步骤测得的亏电概率满足该阈值时,则可以确定对应的蓄电池为亏电状态,否则认为对应的蓄电池为正常状态。举例来说,通常当亏电概率大于90%时,则可以认为蓄电池为亏电状态。可以理解的是,在实际应用中,可以根据实际需求设置亏电概率的阈值,本实施例中不对此进行限定。
上述车辆蓄电池状态检测方法中,通过获取待测车辆的停车电压数据,并根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据,通过电池检测模型识别蓄电池电压特征数据,得到蓄电池的亏电概率,进而根据蓄电池的亏电概率确定蓄电池的状态。由于本实施例是通过从停车电压数据中提取能够全面反映蓄电池亏电时的特征数据,并通过训练好的模型对其进行识别,因此,极大的提高了对蓄电池状态检测的准确性。
在一个实施例中,如图3所示,在根据蓄电池的亏电概率确定蓄电池的状态之后,上述方法还包括如下步骤:
步骤302,若确定蓄电池的状态为亏电状态,则生成亏电提示信息。
其中,亏电提示信息用于提示待测车辆的用户蓄电池的状态异常。由于蓄电池为亏电状态时,会导致用电器得不到正常工作的额定电压,而在低压状态下运行,长期如此会使得用电器极易损坏,严重时还会导致车辆发动机点火失败,而无法启动。因此,为了避免上述问题的发生,当检测到蓄电池的状态为亏电状态时,则据此生成亏电提示信息,以便提示用户能够及时进行检修。
步骤304,向与待测车辆的用户所绑定的终端发送亏电提示信息。
其中,终端可以是与待测车辆的用户绑定的移动终端,具体的,可以将上述生成的亏电提示信息发送至与待测车辆的用户所绑定的移动终端进行提示。当然,终端也可以是汽车中控平台,则也可以将上述生成的亏电提示信息显示在汽车的中控平台中,以对驾驶员进行提醒。
在一个实施例中,如图4所示,上述电池检测模型的生成方法包括如下步骤:
步骤402,获取若干个车辆的停车电压数据样本。
其中,停车电压数据样本中包括若干个车辆的停车电压数据以及每个车辆对应的蓄电池是否存在亏电记录的标签。在本实施例中,若干个车辆的停车电压数据样本中,蓄电池存在亏电记录的停车电压数据样本数与蓄电池不存在亏电记录的停车电压数据样本数相同。具体的,通过分析若干个车辆的OBD系统根据预设的采样周期采集的近半年车辆的历史停车电压数据,对于其中有亏电记录的车辆,则从该车辆的历史停车电压数据中提取亏电时刻之前的24小时至48小时的停车电压数据,具体的采样个数可以基于OBD系统预设的采样周期而确定,例如,若OBD系统预设的采样周期为两小时,则提取亏电时刻之前的24小时至48小时的停车电压数据,为从该车辆的历史停车电压数据中提取亏电时刻之前的12至24个采样周期的停车电压数据;若OBD系统预设的采样周期为一小时,则提取亏电时刻之前的24小时至48小时的停车电压数据,为从该车辆的历史停车电压数据中提取亏电时刻之前的24至48个采样周期的停车电压数据。而对于其中不存在亏电记录的车辆,则从该车辆的历史停车电压数据中提取任意24小时至48小时的停车电压数据即可,具体的采样个数可以基于OBD系统预设的采样周期而确定,本实施例不再对此进行赘述。
具体的,停车电压数据包括采集的若干个车辆在上述预设个采样周期分别采集的停车电压、与停车电压对应的采集时间和点火计数标签,可以理解的是,为了区分各车辆的采集数据,同时还会采集对应车辆的车辆标识。基于上述各车辆的停车电压数据以及车辆对应的蓄电池是否存在亏电记录的标签而得到的停车电压数据样本,可通过如下表1进行记录或存储,其中,记录数据的各字段包括:车辆ID(也即车辆标识)、sessionID(即点火计数标签)、停车电压、停车电压上传时间(也即停车电压对应的采集时间,按顺序从左到右递增)以及是否亏电(其中存在亏电记录的用1表示,不存在亏电记录的用0表示)。表1具体如下所示:
需要说明的是,上述表1只是为了说明停车电压数据样本的具体内容,在实际对模型进行训练时采集的停车电压数据样本中,存在亏电记录的样本数与不存在亏电记录的样本数应该是相同的,且对于每一个提供数据的车辆,应按上述要求采集至少24小时至48小时(也即1天或2天)的数据。
步骤404,根据设定的电压特征数据提取规则,从停车电压数据中提取若干个车辆对应的蓄电池电压特征数据。
在本实施例中,通过设定的电压特征数据提取规则可以提取反映蓄电池亏电的36个特征数据。其中,设定的电压特征数据提取规则如下表2所示:
上述表2中包括设定的特征数据说明及目的,其中,特征说明中记录的每个特征的定义,即可以理解为对应的特征数据提取规则。举例来说,对于表2中记录的第一个特征说明“session个数”,其表示对应车辆在要求的采样时间内的点火次数,例如,对于采样时间内记录的sessionID,将首末两个sessionID做差即得到采样时间内的点火次数;对于第二个特征说明“session所含停车电压个数的均值”,其表示对应车辆在要求的采样时间内采集的停车电压个数与点火次数的比值,这些特征值都可以通过对停车电压数据样本进行分析计算得到。依次类推,根据上述电压特征数据提取规则,从停车电压数据样本的停车电压数据中提取每辆车对应的蓄电池电压特征数据。
步骤406,根据若干个车辆对应的蓄电池电压特征数据以及车辆对应的蓄电池是否存在亏电记录的标签生成训练数据集。
具体的,根据停车电压数据样本中若干个车辆对应的蓄电池电压特征数据以及车辆对应的蓄电池是否存在亏电记录的标签生成对应的训练数据集。例如,生成的训练数据集如下表3所示:
步骤408,采用分类算法对训练数据集进行训练,生成电池检测模型。
其中,分类算法可以采用XGBoost(eXtreme Gradient Boosting,极端梯度提升)算法。具体的,采用该算法对通过上述步骤得到的训练数据集进行训练,即可得到能够根据输入的电压特征数据识别对应蓄电池亏电概率的电池检测模型。
在本实施例中,为了检验上述电池检测模型的识别能力,通过在给定亏电概率阈值下,查看模型识别结果的报警率、准确率、精确率及召回率等指标的取值。当在阈值0.2下,以上各指标的取值为:报警率:2.62%,准确率:98.94%,精确率:79.41%,召回率:79.96%。从指标值中可以看出,在只有2.62%的报警率下,准确找出了79.96%的电瓶异常用户,而且精确率达到了79.41%,说明模型的识别能力是较好的,可以大量应用到生产上。
以下结合具体的实施例对上述电池检测模型的应用(也即车辆蓄电池状态检测方法)进行详细说明,如图5所示,具体包括:
1)获取待测车辆的停车电压数据。
其中,待测车辆的停车电压数据包括:待测车辆的OBD系统根据预设的采样周期(如每小时采集一次,或每两小时采集一次),采集的待测车辆在设定时间段内(如近24小时至48小时内)的多个停车电压,OBD系统采集的停车电压数据可以回传到数据中心进行存储分析,通过数据中心进行数据整理后得到如上表1的形式,只是没有“是否亏电”的字段,具体包括各采样周期采集的停车电压、与停车电压对应的采集时间以及点火计数标签。
2)蓄电池电压特征数据的提取。
根据上述表2中记录的电压特征数据提取规则,从上述待测车辆的停车电压数据中提取出对应的蓄电池电压特征数据。包括反映待测车辆的行驶及停驶习惯特征数据、对应蓄电池的衰老程度特征数据、蓄电池在停车进入稳定状态后的电池状态特征数据、蓄电池的停车电压状态的特征数据、待测车辆最近一次的充电状态特征数据以及车辆点火前电压的特征数据等36个电压特征数据。
3)模型识别。
将上述得到的36个电压特征数据输入模型(即采用XGBoost算法进行训练得到的模型)中,得到模型输出的蓄电池的亏电概率。
4)确定蓄电池的状态。
根据模型输出的蓄电池的亏电概率确定蓄电池的状态是正常状态还是亏电状态。举例来说,通常当亏电概率大于90%时,则可以认为蓄电池为亏电状态,否则可以认为蓄电池为正常状态。可以理解的是,在实际应用中,可以根据实际需求设置亏电概率的阈值,如当对蓄电池要求较高时,可以将亏电概率的阈值设置为较低的数,如70%,即在亏电概率大于70%时,就认为蓄电池为亏电状态,当对蓄电池要求较低时,则可以将亏电概率的阈值设置为较高的数,本实施例中不对此进行限定。
5)当为亏电状态时,生成提示信息,并向用户绑定的终端发送亏电提示信息。
应该理解的是,虽然图1-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种车辆蓄电池状态检测装置,包括:数据获取模块601、特征数据提取模块602、亏电概率检测模块603和蓄电池状态确定模块604,其中:
数据获取模块601,用于获取待测车辆的停车电压数据;
特征数据提取模块602,用于根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据;
亏电概率检测模块603,用于通过电池检测模型识别蓄电池电压特征数据,得到蓄电池的亏电概率;
蓄电池状态确定模块604,用于根据蓄电池的亏电概率确定蓄电池的状态。
在一个实施例中,蓄电池的状态包括正常状态和亏电状态;则上述装置还包括:提示信息生成模块,用于若确定蓄电池的状态为亏电状态,则生成亏电提示信息,所述亏电提示信息用于提示待测车辆的用户蓄电池的状态异常;提示信息发送模块,用于向与待测车辆的用户所绑定的终端发送亏电提示信息。
在一个实施例中,数据获取模块601具体用于:获取待测车辆的OBD系统根据预设的采样周期,采集的待测车辆在设定时间段内的多个停车电压、与多个停车电压对应的采集时间和点火计数标签。
在一个实施例中,特征数据提取模块602具体用于:根据设定的电压特征数据提取规则,对采集的待测车辆在设定时间段内的多个停车电压、与多个停车电压对应的采集时间和点火计数标签进行计算,得到蓄电池电压特征数据,其中,蓄电池电压特征数据包括待测车辆的行驶及停驶习惯特征数据、蓄电池的衰老程度特征数据、蓄电池在停车进入稳定状态后的电池状态特征数据、蓄电池的停车电压状态的特征数据、待测车辆最近一次的充电状态特征数据以及待测车辆点火前电压的特征数据。
在一个实施例中,电池检测模型具体包括:样本数据获取单元,用于获取若干个车辆的停车电压数据样本,其中,停车电压数据样本中包括若干个车辆的停车电压数据以及每个车辆对应的蓄电池是否存在亏电记录的标签;特征数据提取单元,用于根据设定的电压特征数据提取规则,从停车电压数据中提取每个车辆对应的蓄电池电压特征数据;训练数据生成单元,用于根据每个车辆对应的蓄电池电压特征数据以及车辆对应的蓄电池是否存在亏电记录的标签生成训练数据集;模型训练单元,用于采用分类算法对训练数据集进行训练,生成电池检测模型。
在一个实施例中,若干个车辆的停车电压数据样本中,蓄电池存在亏电记录的停车电压数据样本数与蓄电池不存在亏电记录的停车电压数据样本数相同;则样本数据获取单元具体用于:获取若干个车辆的OBD系统根据预设的采样周期采集的车辆的历史停车电压数据,若车辆的历史停车电压数据存在亏电记录,则从历史停车电压数据中获取车辆亏电时刻之前的预设个采样周期的停车电压数据;若车辆的历史停车电压数据中不存在亏电记录,则从历史停车电压数据中获取车辆预设个采样周期的停车电压数据。
关于车辆蓄电池状态检测装置的具体限定可以参见上文中对于车辆蓄电池状态检测方法的限定,在此不再赘述。上述车辆蓄电池状态检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆的停车电压数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆蓄电池状态检测方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是OBD系统,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆蓄电池状态检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7及图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待测车辆的停车电压数据;
根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据;
通过电池检测模型识别蓄电池电压特征数据,得到蓄电池的亏电概率;
根据蓄电池的亏电概率确定蓄电池的状态。
在一个实施例中,蓄电池的状态包括正常状态和亏电状态;则处理器执行计算机程序时还实现以下步骤:若确定蓄电池的状态为亏电状态,则生成亏电提示信息,所述亏电提示信息用于提示待测车辆的用户蓄电池的状态异常;向与待测车辆的用户所绑定的终端发送亏电提示信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取待测车辆的OBD系统根据预设的采样周期,采集的待测车辆在设定时间段内的多个停车电压、与多个停车电压对应的采集时间和点火计数标签。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据设定的电压特征数据提取规则,对采集的待测车辆在设定时间段内的多个停车电压、与多个停车电压对应的采集时间和点火计数标签进行计算,得到蓄电池电压特征数据,其中,蓄电池电压特征数据包括待测车辆的行驶及停驶习惯特征数据、对应蓄电池的衰老程度特征数据、蓄电池在停车进入稳定状态后的电池状态特征数据、蓄电池的停车电压状态的特征数据、待测车辆最近一次的充电状态特征数据以及车辆点火前电压的特征数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取若干个车辆的停车电压数据样本,所述停车电压数据样本中包括若干个车辆的停车电压数据以及每个车辆对应的蓄电池是否存在亏电记录的标签;根据设定的电压特征数据提取规则,从停车电压数据中提取每个车辆对应的蓄电池电压特征数据;根据每个车辆对应的蓄电池电压特征数据以及车辆对应的蓄电池是否存在亏电记录的标签生成训练数据集;采用分类算法对训练数据集进行训练,生成电池检测模型。
在一个实施例中,若干个车辆的停车电压数据样本中,所述蓄电池存在亏电记录的停车电压数据样本数与蓄电池不存在亏电记录的停车电压数据样本数相同;则处理器执行计算机程序时还实现以下步骤:获取若干个车辆的OBD系统根据预设的采样周期采集的车辆的历史停车电压数据,若车辆的历史停车电压数据存在亏电记录,则从历史停车电压数据中获取所述车辆亏电时刻之前的预设个采样周期的停车电压数据;若车辆的历史停车电压数据中不存在亏电记录,则从历史停车电压数据中获取车辆预设个采样周期的停车电压数据。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待测车辆的停车电压数据;
根据设定的电压特征数据提取规则,从停车电压数据中提取与待测车辆对应的蓄电池电压特征数据;
通过电池检测模型识别蓄电池电压特征数据,得到蓄电池的亏电概率;
根据蓄电池的亏电概率确定蓄电池的状态。
在一个实施例中,蓄电池的状态包括正常状态和亏电状态;则计算机程序被处理器执行时还实现以下步骤:若确定蓄电池的状态为亏电状态,则生成亏电提示信息,所述亏电提示信息用于提示待测车辆的用户蓄电池的状态异常;向与待测车辆的用户所绑定的终端发送亏电提示信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取待测车辆的OBD系统根据预设的采样周期,采集的待测车辆在设定时间段内的多个停车电压、与多个停车电压对应的采集时间和点火计数标签。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据设定的电压特征数据提取规则,对采集的待测车辆在设定时间段内的多个停车电压、与多个停车电压对应的采集时间和点火计数标签进行计算,得到蓄电池电压特征数据,其中,蓄电池电压特征数据包括待测车辆的行驶及停驶习惯特征数据、对应蓄电池的衰老程度特征数据、蓄电池在停车进入稳定状态后的电池状态特征数据、蓄电池的停车电压状态的特征数据、待测车辆最近一次的充电状态特征数据以及待测车辆点火前电压的特征数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取若干个车辆的停车电压数据样本,所述停车电压数据样本中包括若干个车辆的停车电压数据以及每个车辆对应的蓄电池是否存在亏电记录的标签;根据设定的电压特征数据提取规则,从停车电压数据中提取每个车辆对应的蓄电池电压特征数据;根据每个车辆对应的蓄电池电压特征数据以及车辆对应的蓄电池是否存在亏电记录的标签生成训练数据集;采用分类算法对训练数据集进行训练,生成电池检测模型。
在一个实施例中,若干个车辆的停车电压数据样本中,所述蓄电池存在亏电记录的停车电压数据样本数与蓄电池不存在亏电记录的停车电压数据样本数相同;则计算机程序被处理器执行时还实现以下步骤:获取若干个车辆的OBD系统根据预设的采样周期采集的车辆的历史停车电压数据,若车辆的历史停车电压数据存在亏电记录,则从历史停车电压数据中获取所述车辆亏电时刻之前的预设个采样周期的停车电压数据;若车辆的历史停车电压数据中不存在亏电记录,则从历史停车电压数据中获取车辆预设个采样周期的停车电压数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆蓄电池状态检测方法,其特征在于,所述方法包括:
获取待测车辆的停车电压数据;
根据设定的电压特征数据提取规则,从所述停车电压数据中提取与所述待测车辆对应的蓄电池电压特征数据;
通过电池检测模型识别所述蓄电池电压特征数据,得到所述蓄电池的亏电概率;
根据所述蓄电池的亏电概率确定所述蓄电池的状态。
2.根据权利要求1所述的车辆蓄电池状态检测方法,其特征在于,所述蓄电池的状态包括正常状态和亏电状态;所述根据所述蓄电池的亏电概率确定所述蓄电池的状态之后,所述方法还包括:
若确定所述蓄电池的状态为亏电状态,则生成亏电提示信息,所述亏电提示信息用于提示所述待测车辆的用户所述蓄电池的状态异常;
向与所述待测车辆的用户所绑定的终端发送所述亏电提示信息。
3.根据权利要求1所述的车辆蓄电池状态检测方法,其特征在于,所述获取待测车辆的停车电压数据,包括:
获取所述待测车辆的OBD系统根据预设的采样周期,采集的所述待测车辆在设定时间段内的多个停车电压、与所述多个停车电压对应的采集时间和点火计数标签。
4.根据权利要求3所述的车辆蓄电池状态检测方法,其特征在于,所述根据设定的电压特征数据提取规则,从所述停车电压数据中提取与所述待测车辆对应的蓄电池电压特征数据,包括:
根据设定的电压特征数据提取规则,对采集的所述待测车辆在设定时间段内的多个停车电压、与所述多个停车电压对应的采集时间和点火计数标签进行计算,得到所述蓄电池电压特征数据,所述蓄电池电压特征数据包括所述待测车辆的行驶及停驶习惯特征数据、所述蓄电池的衰老程度特征数据、所述蓄电池在停车进入稳定状态后的电池状态特征数据、所述蓄电池的停车电压状态的特征数据、所述待测车辆最近一次的充电状态特征数据以及所述待测车辆点火前电压的特征数据。
5.根据权利要求1所述的车辆蓄电池状态检测方法,其特征在于,所述电池检测模型的生成方法包括:
获取若干个车辆的停车电压数据样本,所述停车电压数据样本中包括所述若干个车辆的停车电压数据以及每个车辆对应的蓄电池是否存在亏电记录的标签;
根据设定的所述电压特征数据提取规则,从所述停车电压数据中提取所述每个车辆对应的蓄电池电压特征数据;
根据所述每个车辆对应的蓄电池电压特征数据以及所述车辆对应的蓄电池是否存在亏电记录的标签生成训练数据集;
采用分类算法对所述训练数据集进行训练,生成所述电池检测模型。
6.根据权利要求5所述的车辆蓄电池状态检测方法,其特征在于,所述若干个车辆的停车电压数据样本中,所述蓄电池存在亏电记录的停车电压数据样本数与所述蓄电池不存在亏电记录的停车电压数据样本数相同;所述获取若干个车辆的停车电压数据样本,包括:
获取若干个车辆的OBD系统根据预设的采样周期采集的所述车辆的历史停车电压数据,若所述车辆的历史停车电压数据存在亏电记录,则从所述历史停车电压数据中获取所述车辆亏电时刻之前的预设个采样周期的停车电压数据;
若所述车辆的历史停车电压数据不存在亏电记录,则从所述历史停车电压数据中获取所述车辆预设个采样周期的停车电压数据。
7.一种车辆蓄电池状态检测装置,其特征在于,所述装置包括:
数据获取模块,用于获取待测车辆的停车电压数据;
特征数据提取模块,用于根据设定的电压特征数据提取规则,从所述停车电压数据中提取与所述待测车辆对应的蓄电池电压特征数据;
亏电概率检测模块,用于通过电池检测模型识别所述蓄电池电压特征数据,得到所述蓄电池的亏电概率;
蓄电池状态确定模块,用于根据所述蓄电池的亏电概率确定所述蓄电池的状态。
8.根据权利要求7所述的车辆蓄电池状态检测装置,其特征在于,所述蓄电池的状态包括正常状态和亏电状态;所述装置还包括:
提示信息生成模块,用于若确定所述蓄电池的状态为亏电状态,则生成亏电提示信息,所述亏电提示信息用于提示用户所述蓄电池的状态异常;
提示信息发送模块,用于向与所述待测车辆的用户绑定的终端发送所述亏电提示信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010213309.4A CN111551856B (zh) | 2020-03-24 | 2020-03-24 | 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010213309.4A CN111551856B (zh) | 2020-03-24 | 2020-03-24 | 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111551856A true CN111551856A (zh) | 2020-08-18 |
CN111551856B CN111551856B (zh) | 2022-07-12 |
Family
ID=72002407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010213309.4A Active CN111551856B (zh) | 2020-03-24 | 2020-03-24 | 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111551856B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485689A (zh) * | 2020-10-26 | 2021-03-12 | 江苏慧智能源工程技术创新研究院有限公司 | 一种基于Xgboost模型预测储能系统中锂电池剩余循环寿命的方法 |
CN115436818A (zh) * | 2022-09-19 | 2022-12-06 | 广州汽车集团股份有限公司 | 一种蓄电池亏电分析方法及其装置、存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090184579A1 (en) * | 2008-01-22 | 2009-07-23 | Owens Jr C Richard | Backup relay cut control system |
US20090308148A1 (en) * | 2008-06-11 | 2009-12-17 | Hyundai Motor Company | Method for confirming function of idling stop and restarting system |
JP2010180776A (ja) * | 2009-02-05 | 2010-08-19 | Hitachi Automotive Systems Ltd | 電源制御装置 |
CN103036279A (zh) * | 2012-11-29 | 2013-04-10 | 浙江吉利汽车研究院有限公司杭州分公司 | 车辆蓄电池防亏电系统 |
CN104502856A (zh) * | 2014-12-26 | 2015-04-08 | 骐俊通联(厦门)科技有限公司 | 一种检测车辆蓄电池寿命的方法和系统 |
CN105264395A (zh) * | 2013-06-04 | 2016-01-20 | 丰田自动车株式会社 | 电池劣化检测装置 |
DE102017103428A1 (de) * | 2016-02-23 | 2017-08-24 | Ford Global Technologies, Llc | Virtuelle Beurteilung des Batteriegesundheitszustands bei Elektrofahrzeugen |
US20170242079A1 (en) * | 2016-02-24 | 2017-08-24 | Ford Global Technologies, Llc | System and method for identifying vehicle battery decay |
CN109541476A (zh) * | 2019-01-16 | 2019-03-29 | 广州亚美信息科技有限公司 | 一种评测汽车电瓶电压的方法及装置 |
CN109740802A (zh) * | 2018-12-24 | 2019-05-10 | 斑马网络技术有限公司 | 蓄电池亏电预测处理方法、装置、设备以及可读存储介质 |
CN109917294A (zh) * | 2019-03-25 | 2019-06-21 | 深圳艾威仕汽车检测设备有限公司 | 基于大数据分析的车辆蓄电池漏电监测方法 |
-
2020
- 2020-03-24 CN CN202010213309.4A patent/CN111551856B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090184579A1 (en) * | 2008-01-22 | 2009-07-23 | Owens Jr C Richard | Backup relay cut control system |
US20090308148A1 (en) * | 2008-06-11 | 2009-12-17 | Hyundai Motor Company | Method for confirming function of idling stop and restarting system |
JP2010180776A (ja) * | 2009-02-05 | 2010-08-19 | Hitachi Automotive Systems Ltd | 電源制御装置 |
CN103036279A (zh) * | 2012-11-29 | 2013-04-10 | 浙江吉利汽车研究院有限公司杭州分公司 | 车辆蓄电池防亏电系统 |
CN105264395A (zh) * | 2013-06-04 | 2016-01-20 | 丰田自动车株式会社 | 电池劣化检测装置 |
CN104502856A (zh) * | 2014-12-26 | 2015-04-08 | 骐俊通联(厦门)科技有限公司 | 一种检测车辆蓄电池寿命的方法和系统 |
DE102017103428A1 (de) * | 2016-02-23 | 2017-08-24 | Ford Global Technologies, Llc | Virtuelle Beurteilung des Batteriegesundheitszustands bei Elektrofahrzeugen |
US20170242079A1 (en) * | 2016-02-24 | 2017-08-24 | Ford Global Technologies, Llc | System and method for identifying vehicle battery decay |
CN109740802A (zh) * | 2018-12-24 | 2019-05-10 | 斑马网络技术有限公司 | 蓄电池亏电预测处理方法、装置、设备以及可读存储介质 |
CN109541476A (zh) * | 2019-01-16 | 2019-03-29 | 广州亚美信息科技有限公司 | 一种评测汽车电瓶电压的方法及装置 |
CN109917294A (zh) * | 2019-03-25 | 2019-06-21 | 深圳艾威仕汽车检测设备有限公司 | 基于大数据分析的车辆蓄电池漏电监测方法 |
Non-Patent Citations (1)
Title |
---|
冯兴旺; 刘志英: "车辆亏电问题分析及改进方法", 《汽车电器》, 20 February 2020 (2020-02-20) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485689A (zh) * | 2020-10-26 | 2021-03-12 | 江苏慧智能源工程技术创新研究院有限公司 | 一种基于Xgboost模型预测储能系统中锂电池剩余循环寿命的方法 |
CN112485689B (zh) * | 2020-10-26 | 2024-02-06 | 沃太能源股份有限公司 | 一种基于Xgboost模型预测储能系统中锂电池剩余循环寿命的方法 |
CN115436818A (zh) * | 2022-09-19 | 2022-12-06 | 广州汽车集团股份有限公司 | 一种蓄电池亏电分析方法及其装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111551856B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106680720B (zh) | 基于车联网的车载蓄电池失效预警系统及方法 | |
US8954225B2 (en) | Remote monitoring of a plurality of vehicles | |
EP2963433A1 (en) | Method and apparatus for estimating state of battery | |
TW202132799A (zh) | 動力電池絕緣監測方法、系統以及裝置 | |
CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
CN111551856B (zh) | 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 | |
CN104931889A (zh) | 用于确定电池系统性能退化的系统及方法 | |
CN109615273B (zh) | 一种电动汽车充电设施状态评价方法与系统 | |
US11654791B2 (en) | Devices for analysis of vehicle battery health | |
US11742681B2 (en) | Methods for analysis of vehicle battery health | |
US20230012296A1 (en) | Systems for Analysis of Vehicle Battery Health | |
GB2557073A (en) | Monitoring the health of a vehicle battery | |
CN112924866A (zh) | 容量保持率的检测方法、检测装置、车辆及存储介质 | |
CN114899459A (zh) | 一种用于燃料电池发动机的运维控制方法及装置 | |
CN116845391A (zh) | 一种锂电池储能管理系统 | |
CN114646888A (zh) | 一种动力电池容量衰减的评估方法及系统 | |
CN111596215A (zh) | 一种蓄电池状态监测方法、装置及存储介质 | |
US20140350876A1 (en) | Method and Devices for Making Available Information for the Purpose of Performing Maintenance and Servicing of a Battery | |
CN114137428A (zh) | 一种便携式动力电池安全性检测系统及装置 | |
CN113595174A (zh) | 电池管理方法、装置、设备和服务器 | |
CN111551855B (zh) | 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 | |
US11639117B2 (en) | Devices for analysis of vehicle battery health | |
CN104656024A (zh) | 一种电池电量检测方法及装置与电池 | |
CN116298947A (zh) | 一种蓄电池核容监测装置 | |
US11485250B1 (en) | Systems for analysis of vehicle battery health |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221221 Address after: 510630 Room 101, No. 227, Gaotang Road, Tianhe District, Guangzhou City, Guangdong Province (Location: Room 601) (office only) Patentee after: Yamei Zhilian Data Technology Co.,Ltd. Address before: Room 201, No.1 Hanjing Road, Tianhe District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU YAME INFORMATION TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |