CN112092674B - 电池状态监测方法、装置、介质、边缘处理器和车辆 - Google Patents
电池状态监测方法、装置、介质、边缘处理器和车辆 Download PDFInfo
- Publication number
- CN112092674B CN112092674B CN202010848345.8A CN202010848345A CN112092674B CN 112092674 B CN112092674 B CN 112092674B CN 202010848345 A CN202010848345 A CN 202010848345A CN 112092674 B CN112092674 B CN 112092674B
- Authority
- CN
- China
- Prior art keywords
- data
- distribution table
- characteristic
- vehicle
- battery
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 238000013075 data extraction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 230000036541 health Effects 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 208000032953 Device battery issue Diseases 0.000 claims description 2
- 230000008569 process Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- 230000006872 improvement Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000012806 monitoring device Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
- B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
-
- 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
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种车辆的电池状态监测方法，由车辆侧的边缘处理器执行，包括：实时获取车辆状态数据；对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合；根据所述特征数据组合，更新预设的特征联合分布表，并进行存储；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长；在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表，分析车辆的电池状态。本发明还公开了相应的装置、介质、边缘处理器和车辆，通过车辆侧的边缘处理器实现对高频数据的采集和预处理，极大地降低了高频数据的传输和存储费用。
Description
技术领域
本发明涉及车辆电池技术领域，尤其涉及一种车辆的电池状态监测方法、装置、介质、边缘处理器和车辆。
背景技术
随着科技和经济的迅猛发展，车辆技术领域也在不断发展进步。电池控制系统作为电动汽车能量管理的核心，其通过采集电动汽车的电池工作信息，可以估计电池的运行状态、剩余里程和安全状态等，进而控制电池充放电、电池均衡、电池加热以及管理电池的安全性等。因此，电池控制系统对保障电池的安全运行起着至关重要的作用。
在实际应用和开发过程中，均需要用到车辆运行过程中的大量高频信号数据，实现电池控制系统的电池状态的监控和管理功能，实现对电池控制系统的控制算法的设计和升级过程。在现有技术中，通过CAN通信总线将采集到的不直接相关的车辆数据上传至云端，由云端进行数据的处理和分析过程。然而，在实施本发明过程中，发明人发现现有技术至少存在如下问题：传统的CAN通讯方式使得大量的高频数据在上传过程中受限于通信负载而无法较好地实现。另外，将大量高频数据信号上传至云端的过程也需要耗费巨额的流量费用，且不断上传的信号数据也给云端的存储带来压力。
发明内容
本发明实施例的目的是提供一种车辆的电池状态监测方法、装置、介质、边缘处理器和车辆，其通过车辆侧的边缘处理器实现对高频数据的采集和预处理，极大地降低了高频数据的传输和存储费用。
为实现上述目的，本发明实施例提供了一种车辆的电池状态监测方法，由车辆侧的边缘处理器执行，包括：
实时获取车辆状态数据；其中，所述车辆状态数据是从车身控制器、电池控制器和底盘控制器获取的与车辆电池有关的状态数据；
对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合；
根据所述特征数据组合，更新预设的特征联合分布表，并进行存储；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长；
在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表，分析车辆的电池状态。
作为上述方案的改进，所述车辆状态数据包括充电习惯数据、电池工况数据和驾驶习惯数据；则所述预设的特征联合分布表包括：充电习惯特征联合分布表、电池工况特征联合分布表和驾驶习惯特征联合分布表；
其中，所述充电习惯特征联合分布表用于记录所述充电习惯数据中每一特征数据组合在各种车辆工况下的累计时长；所述电池工况特征联合分布表用于记录所述电池工况数据中每一特征数据组合在各种车辆工况下的累计时长；所述驾驶习惯特征联合分布表用于记录所述驾驶习惯数据中每一特征数据组合在各种车辆工况下的累计时长。
作为上述方案的改进，所述在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，具体包括：
实时监控车辆的电池状态数据是否出现不满足对应的预设阈值的情况；其中，所述电池状态数据包括荷电状态数据、健康状态数据、功率状态数据和能量状态数据；
实时监控车辆是否出现电池故障信息或电池报警信息；
当出现上述任一情况时，判定满足数据上传条件；
在判定满足数据上传条件之后，将已存储的所述特征联合分布表上传至云端处理器。
作为上述方案的改进，所述在判定满足数据上传条件之后，将已存储的所述特征联合分布表上传至云端处理器，具体包括：
在判定满足所述数据上传条件之后，判断是否达到数据上传周期；
若是，则将已存储的所述特征联合分布表上传至云端处理器；
若否，则继续更新并存储所述特征联合分布表，并在达到数据上传周期时，将已存储的所述特征联合分布表上传至云端处理器。
作为上述方案的改进，所述在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器之后，还包括：
将已存储的所述特征联合分布表中的累计时长清空。
作为上述方案的改进，所述对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合之前，还包括：
对获取的所述车辆状态数据进行预处理；其中，所述预处理包括对所述车辆状态数据进行融合、统一周期和同步信号的操作。
作为上述方案的改进，所述云端处理器能够通过聚类分析法，获取同一时刻发生的不满足阈值的电池状态数据、电池故障信息或电池报警信息，作为关联特征对；并针对每一关联特征对，通过聚类分析法，获取与所述关联特征对相关的特征联合分布表中的特征数据组合；以及，基于神经网络，拟合所有车辆的所述关联特征对与其相关的所述特征联合分布表中的特征数据组合之间的数学关系，以分析车辆的电池状态。
本发明实施例还提供了一种边缘处理器，包括：
状态数据获取模块，用于实时获取车辆状态数据；其中，所述车辆状态数据是从车身控制器、电池控制器和底盘控制器获取的与车辆电池有关的状态数据；
特征数据提取模块，用于对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合；
联合分布表更新模块，用于根据所述特征数据组合，更新预设的特征联合分布表，并进行存储；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长；
联合分布表上传模块，用于在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表分析车辆的电池状态。
作为上述方案的改进，所述车辆状态数据包括充电习惯数据、电池工况数据和驾驶习惯数据；则所述预设的特征联合分布表包括：充电习惯特征联合分布表、电池工况特征联合分布表和驾驶习惯特征联合分布表；
其中，所述充电习惯特征联合分布表用于记录所述充电习惯数据中每一特征数据组合在各种车辆工况下的累计时长；所述电池工况特征联合分布表用于记录所述电池工况数据中每一特征数据组合在各种车辆工况下的累计时长；所述驾驶习惯特征联合分布表用于记录所述驾驶习惯数据中每一特征数据组合在各种车辆工况下的累计时长。
作为上述方案的改进，所述联合分布表上传模块，具体包括：
信息监控单元，用于实时监控车辆的电池状态数据是否出现不满足对应的预设阈值的情况；其中，所述电池状态数据包括荷电状态数据、健康状态数据、功率状态数据和能量状态数据；
以及，实时监控车辆是否出现电池故障信息或电池报警信息；
数据上传条件判断单元，用于当出现上述任一情况时，判定满足数据上传条件；
联合分布表上传单元，用于在判定满足数据上传条件之后，将已存储的所述特征联合分布表上传至云端处理器。
作为上述方案的改进，所述联合分布表上传单元，具体包括：
数据上传周期判断子单元，用于在判定满足所述数据上传条件之后，判断是否达到数据上传周期；
联合分布表上传子单元，用于在达到数据上传周期时，将已存储的所述特征联合分布表上传至云端处理器；在未达到数据上传周期时，控制所述联合分布表更新模块继续更新并存储所述特征联合分布表，并在达到数据上传周期时，将已存储的所述特征联合分布表上传至云端处理器。
作为上述方案的改进，所述边缘处理器还包括：
数据清空模块，用于将已存储的所述特征联合分布表中的累计时长清空。
作为上述方案的改进，所述边缘处理器包括：
状态数据预处理模块，用于对获取的所述车辆状态数据进行预处理；其中，所述预处理包括对所述车辆状态数据进行融合、统一周期和同步信号的操作。
本发明实施例还提供了一种车辆的电池状态监测装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的车辆的电池状态监测方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的车辆的电池状态监测方法。
本发明实施例还提供了一种车辆，包括边缘处理器；其中，所述边缘处理器为上述任一项所述的边缘处理器。
与现有技术相比，本发明公开的一种车辆的电池状态监测方法、装置、介质、边缘处理器和车辆，通过边缘处理器实时获取车辆状态数据，对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合；并根据所述特征数据组合，更新预设的特征联合分布表；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长；在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表，分析车辆的电池状态。通过车辆侧的边缘处理器实现对高频数据的采集，离数据的源头更近，保持了数据的鲜度和精度。并且，通过边缘处理器对采集的数据进行预处理和关键特征的提取，在满足上传条件时再将处理后的数据上传至云端，极大地降低了高频数据的传输费用和由云端进行数据存储的费用，使得云端处理器根据已经整理好的特征联合分布表进行车辆的电池状态分析，进一步减少了云端的数据处理量。
附图说明
图1是本发明实施例一提供的一种车辆的电池状态监测方法的流程示意图；
图2是本发明实施例中特征联合分布表的示意图；
图3是本发明实施例中数据上传条件的触发流程示意图；
图4是本发明实施例二提供的一种边缘处理器的结构示意图；
图5是本发明实施例三提供的一种车辆的电池状态监测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，是本发明实施例一提供的一种车辆的电池状态监测方法的流程示意图。本发明实施例提供的车辆的电池状态监测方法，由车辆侧的边缘处理器执行，且本实施例均以边缘处理器作为执行主体进行说明。
优选地，所述边缘处理器为车辆的域控制器，在本发明实施例中，为了对车辆的电池状态进行检测，所述车辆的电池状态检测方法由车辆的动力域控制器执行。
在本发明实施例中，所述车辆的电池状态监测方法，包括以下步骤S11至S14：
S11、实时获取车辆状态数据；其中，所述车辆状态数据是从车身控制器、电池控制器和底盘控制器获取的与车辆电池有关的状态数据。
在车辆的使用过程中，包括对车辆的驾驶、充电等过程，所述边缘处理器实时采集各关键控制器所执行的状态信息，包括从车身控制器获取的状态数据，例如充电枪状态、方向盘转角、方向盘转速、车窗状态、空调状态、车内温度、车外温度等状态数据；从电池控制器获取的状态数据，例如充电状态、总电压、总电流、单体电池电压、各温度点温度、各类电池报警信息、各类电池故障信息等状态数据；以及从底盘控制器获取的状态数据，例如档位信息、车速、主缸压力、横摆角、俯仰角、侧倾斜角、悬架高度、加速踏板状态、制动踏板状态等状态数据。
作为优选的实施方式，所述边缘控制器与所述车身控制器、电池控制器、底盘控制器之间采用以太网的通讯方式进行车辆状态数据的传输。采用本发明的技术手段，能够有效解决现有技术中采用传统CAN(FD)通讯总线进行低频数据传输所带来的局限，与传统CAN通信解耦，消除数据上传对CAN(FD)通讯负载的影响。
作为优选的实施方式，所述边缘处理器在获取车辆状态数据之后，还包括步骤：
对获取的所述车辆状态数据进行预处理；其中，所述预处理包括对所述车辆状态数据进行融合、统一周期和同步信号的操作。
具体地，所述边缘处理器根据自身时钟信息从各关键控制器获取车辆状态数据，并进行融合和分类，对于信号周期大于100ms的A类信号，统一处理为1s；对于信号周期小于100ms的B类信号，统一处理为100ms。并对处理后的信号增加时间戳信息。由于A、B两类信号均采用同一个控制器的时钟，当需要在B类信号的分析中用到A类信号时，则根据时间戳信息进行识别和同步。如对于小于1s周期的时刻需用到A类信号时，则根据A类信号上一个整1s周期时刻的数据进行填充。
S12、对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合。
S13、根据所述特征数据组合，更新预设的特征联合分布表，并进行存储；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长。
具体地，所述车辆状态数据包括充电习惯数据、电池工况数据和驾驶习惯数据。所述边缘处理器根据预处理后的车辆状态数据，进行关于充电习惯数据、电池工况数据、驾驶习惯数据的识别和分类，并对每一类状态数据进行对应的特征数据提取。
在一种实施方式下，可以在所述边缘处理器中设置充电习惯识别单元、电池工况识别单元和驾驶习惯识别单元，用于根据所述边缘处理器获取的车辆状态数据，分别进行关于充电习惯数据、电池工况数据和驾驶习惯数据的识别和调用。
所述特征数据提取具体为对各状态数据进行数学特征提取，包括时域特征、频域特征、时频域特征等。所述边缘处理器中设置的各识别单元将其识别调用的状态数据进行特征数据提取，并将提取到的特征数据进行关联，得到多组不同的特征数据组合，以更新预设的特征联合分布表。
具体地，所述预设的特征联合分布表包括：充电习惯特征联合分布表、电池工况特征联合分布表和驾驶习惯特征联合分布表。其中，所述充电习惯特征联合分布表用于记录所述充电习惯数据中每一特征数据组合在各种车辆工况下的累计时长；所述电池工况特征联合分布表用于记录所述电池工况数据中每一特征数据组合在各种车辆工况下的累计时长；所述驾驶习惯特征联合分布表用于记录所述驾驶习惯数据中每一特征数据组合在各种车辆工况下的累计时长。
作为举例，参见图2，是本发明实施例中特征联合分布表的示意图。图2(a)是一种充电习惯特征联合分布表的示意图，以其中一张充电习惯特征联合分布表作为举例，在所述充电习惯数据中提取出包括但不限于电池荷电状态数据(SOC)、充电时间、充电电流、充电电压等的特征数据之后，将有关联的特征数据作为特征数据组合，例如，将电池荷电状态数据(SOC)和充电时间作为一组特征数据组合，以累计时长作为统计目标，更新所述充电习惯特征联合分布表。记录所述车辆在不同充电时间对应的电池荷电状态数据，将所有发生的相同的数值组合的累计时长进行叠加。
图2(b)是一种电池工况特征联合分布表的示意图，以其中一张电池工况特征联合分布表作为举例，在所述电池工况数据中提取出包括但不限于电池温度、车速等的特征数据之后，将有关联的特征数据作为特征数据组合，例如，将电池温度和车速作为一组特征数据组合，以累计时长作为统计目标，更新所述电池工况特征联合分布表。记录所述车辆在不同车速下的电池温度，将所有发生的相同的数值组合的累计时长进行叠加。
图2(c)是一种驾驶习惯特征联合分布表的示意图，以其中一张驾驶习惯特征联合分布表作为举例，在所述驾驶习惯数据中提取出包括但不限于制动力、主缸压力、制动初速度、车速等的特征数据之后，将有关联的特征数据作为特征数据组合，例如，将制动力和制动初速度作为一组特征数据组合，以累计时长作为统计目标，更新所述驾驶习惯特征联合分布表。记录所述车辆在不同制动初速度下的制动力，将所有发生的相同的数值组合的累计时长进行叠加。比如制动力为100N、制动初速度为20km/h这一数值组合发生了一次，那么就在这一特征数据组合的驾驶习惯特征联合分布表中的相应坐标点处叠加相应时长。
需要说明的是，在所述特征联合分布表中，关于每一特征数据组合的累计时长的表示方式可以采用数值标识的方式，或采用不同颜色标识的方式，或采用不同填充图案表示的方式，均不影响本发明取得的有益效果。
可以理解地，上述提到的场景和数值仅仅作为举例，本发明实施例附图2的特征联合分布表中关于每一特征数据的坐标数值分布并未示出。在实际应用过程中，所述边缘处理器将根据实际获取到的车辆状态数据，进行相应的特征数据的提取和关联，并更新对应的特征联合分布表，均不影响本发明取得的有益效果。
S14、在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表，分析车辆的电池状态。
在本发明实施例中，所述边缘处理器还实时判断当前时刻是否满足预设的数据上传条件，并在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器。
作为优选的实施方式，参见图3，是本发明实施例中数据上传条件的触发流程示意图。所述在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，具体通过步骤S141至S144执行：
S141、实时监控车辆的电池状态数据是否出现不满足对应的预设阈值的情况；其中，所述电池状态数据包括荷电状态数据、健康状态数据、功率状态数据和能量状态数据。
S144、实时监控车辆是否出现电池故障信息或电池报警信息。
S144、当出现上述任一情况时，判定满足数据上传条件。
S144、在判定满足数据上传条件之后，将已存储的所述特征联合分布表上传至云端处理器。
具体地，通过预先设置荷电状态数据阈值、健康状态数据阈值、功率状态数据阈值和能量状态数据阈值，由所述边缘处理器实时监控车辆的荷电状态数据(SOC)、健康状态数据(SOH)、功率状态数据(SOP)和能量状态数据(SOE)是否出现不满足对应的阈值的情况。同时，所述边缘处理器还实时监控车辆是否出现电池故障信息，或是否出现电池报警信息的情况。当出现上述任一情况时，表明所述数据上传条件已触发，所述边缘处理器将已存储的特征联合分布表上传至云端处理器，进行电池状态的分析处理。
作为优选的实施方式，所述在判定满足数据上传条件之后，将已存储的所述特征联合分布表上传至云端处理器，具体包括步骤S1441至S1443：
S1441、在判定满足所述数据上传条件之后，判断是否达到数据上传周期；
S1442、若是，则将已存储的所述特征联合分布表上传至云端处理器；
S1443、若否，则继续更新并存储所述特征联合分布表，并在达到数据上传周期时，将已存储的所述特征联合分布表上传至云端处理器。
当车辆出现故障时，可能会频繁地触发阈值超标、报警信息和故障信息，导致特征联合分布表的持续上传。在本发明实施例中，为了避免高频的异常上传的情况，通过预先设置一个数据上传周期来实现对数据的定时上传。在判断满足数据上传条件时，所述边缘处理器不立即将已存储的特征联合分布表上传，而是需要进一步判断是否满足数据上传周期，并在满足数据上传周期后，再将已存储的特征联合分布表上传。
在一种实施方式下，可以通过设置一个计时器来执行是否满足所述数据上传周期的判断。作为举例，所述计时器以1h为间隔，从0开始计时，经过一小时后，所述计时器将标志位置1，复位后再次从0开始计时。当所述边缘处理器判定当前满足数据上传条件后，若此时所述计时器的标志位置0，还需要进一步等待所述计时器的标志位置1，并在这一过程中继续更新和存储特征联合分布表。直到所述计时器置1时，将已存储的特征联合分布表上传至云端处理器。
作为优选的实施方式，所述边缘处理器将已存储的所述特征联合分布表上传至云端处理器之后，将已存储的所述特征联合分布表中的累计时长清空。
采用本发明实施例的技术手段，当所述边缘处理器监控到存在超阈值的电池状态数据，或出现电池报警信息、电池故障信息时，将已存储的特征联合分布表上传至云端处理器，从而实现由云端处理器根据已经整理好的特征联合分布表进行车辆的电池状态分析，减少了云端的数据处理量。并且，为了避免高频的异常上传情况，设置数据上传周期的限制，避免流量浪费和无效信息的上传。
作为优选的实施方式，所述边缘控制器与所述云端处理器之间采用以太网的通讯方式进行数据传输。
具体地，所述边缘处理器将已存储的特征联合分布表通过以太网的通信方式发送给网关，并经网关通过以太网路由至TBOX，TBOX在收到以太网报文后重新封装成MQTT协议，然后以4G/5G的通信方式发送至云端处理器。
采用本发明的技术手段，以太网的通信方式解决了特征数据对通信负载的影响，在发生电池高频报警、故障时数据的传输依然不影响电池的常规控制，且能够有效解决现有技术中采用传统CAN(FD)通讯总线进行低频数据传输所带来的局限，与传统CAN通信解耦，消除数据上传对CAN(FD)通讯负载的影响。
作为优选的实施方式，所述边缘处理器将已存储的所述特征联合分布表上传至云端处理器之后，所述云端处理器能够通过聚类分析法，获取同一时刻发生的不满足阈值的电池状态数据、电池故障信息或电池报警信息，作为关联特征对；并针对每一关联特征对，通过聚类分析法，获取与所述关联特征对相关的特征联合分布表中的特征数据组合；以及，基于神经网络，拟合所有车辆的所述关联特征对与其相关的所述特征联合分布表中的特征数据组合之间的数学关系，以分析车辆的电池状态。
在本发明实施例中，所述云端处理器采用基于神经网络的聚类算法，如SelfOrganizing Maps(SOM)，将每一个关联特征对和所述特征联合分布表中的每一特征数据组合共同作为输入，输出层中的每一个节点代表一个需要聚成的类。经过大量数据训练，可以找到输入和类之间的关系，实现聚类。采用本发明实施例的技术手段，找到与每一关联特征对相关的数据特征组合。接着，所述云端控制器将收集到的不同车辆的关联特征对，以及其相关的特征数据组合，通过神经网络拟合出所述关联特征对与其对应的特征数据组合之间的网络关系f_net，也即关联特征对n＝f_net(充电习惯特征数据组合，电池工况特征数据组合，驾驶习惯特征数据组合)，进而辅助电池控制系统进行电池状态的监控和管理功能，以及实现对电池控制系统的控制算法的设计和升级过程等。
本发明实施例提供了一种车辆的电池状态监测方法，通过边缘处理器实时获取车辆状态数据，对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合；并根据所述特征数据组合，更新预设的特征联合分布表；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长；在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表，分析车辆的电池状态。本发明实施例的所述电池状态监测方法通过车辆侧的边缘处理器实现对高频数据的采集，离数据的源头更近，保持了数据的鲜度和精度。并且，通过边缘处理器对采集的数据进行预处理和关键特征的提取，在满足上传条件时再将处理后的数据上传至云端，极大地降低了高频数据的传输费用和由云端进行数据存储的费用，使得云端处理器根据已经整理好的特征联合分布表进行车辆的电池状态分析，进一步减少了云端的数据处理量。
参见图4，是本发明实施例二提供的一种边缘处理器的结构示意图。本发明实施例二提供了一种边缘处理器20，包括：状态数据获取模块21、特征数据提取模块22、联合分布表更新模块23和联合分布表上传模块24；其中，
所述状态数据获取模块21，用于实时获取车辆状态数据；其中，所述车辆状态数据是从车身控制器、电池控制器和底盘控制器获取的与车辆电池有关的状态数据。
在车辆的使用过程中，包括对车辆的驾驶、充电等过程，所述状态数据获取模块21实时采集各关键控制器所执行的状态信息，包括从车身控制器获取的状态数据，例如充电枪状态、方向盘转角、方向盘转速、车窗状态、空调状态、车内温度、车外温度等状态数据；从电池控制器获取的状态数据，例如充电状态、总电压、总电流、单体电池电压、各温度点温度、各类电池报警信息、各类电池故障信息等状态数据；以及从底盘控制器获取的状态数据，例如档位信息、车速、主缸压力、横摆角、俯仰角、侧倾斜角、悬架高度、加速踏板状态、制动踏板状态等状态数据。
作为优选的实施方式，所述状态数据获取模块21与所述车身控制器、电池控制器、底盘控制器之间采用以太网的通讯方式进行车辆状态数据的传输。采用本发明的技术手段，能够有效解决现有技术中采用传统CAN(FD)通讯总线进行低频数据传输所带来的局限，与传统CAN通信解耦，消除数据上传对CAN(FD)通讯负载的影响。
作为优选的实施方式，所述边缘处理器还包括状态数据预处理模块25，用于在获取车辆状态数据之后，对获取的所述车辆状态数据进行预处理；其中，所述预处理包括对所述车辆状态数据进行融合、统一周期和同步信号的操作。
具体地，所述状态数据获取模块21根据所述边缘处理器的自身时钟信息从各关键控制器获取车辆状态数据，由所述状态数据预处理模块25进行融合和分类，对于信号周期大于100ms的A类信号，统一处理为1s；对于信号周期小于100ms的B类信号，统一处理为100ms。并对处理后的信号增加时间戳信息。由于A、B两类信号均采用同一个控制器的时钟，当需要在B类信号的分析中用到A类信号时，则根据时间戳信息进行识别和同步。如对于小于1s周期的时刻需用到A类信号时，则根据A类信号上一个整1s周期时刻的数据进行填充。
所述特征数据提取模块22，用于对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合。
所述联合分布表更新模块23，用于根据所述特征数据组合，更新预设的特征联合分布表，并进行存储；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长。
具体地，所述车辆状态数据包括充电习惯数据、电池工况数据和驾驶习惯数据。所述特征数据提取模块22根据预处理后的车辆状态数据，进行关于充电习惯数据、电池工况数据、驾驶习惯数据的识别和分类，并对每一类状态数据进行对应的特征数据提取。
在一种实施方式下，可以在所述特征数据提取模块22中设置充电习惯识别单元、电池工况识别单元和驾驶习惯识别单元，用于根据所述边缘处理器获取的车辆状态数据，分别进行关于充电习惯数据、电池工况数据和驾驶习惯数据的识别和调用。
所述特征数据提取具体为对各状态数据进行数学特征提取，包括时域特征、频域特征、时频域特征等。所述特征数据提取模块22中设置的各识别单元将其识别调用的状态数据进行特征数据提取，并将提取到的特征数据进行关联，得到多组不同的特征数据组合。
具体地，所述预设的特征联合分布表包括：充电习惯特征联合分布表、电池工况特征联合分布表和驾驶习惯特征联合分布表。其中，所述充电习惯特征联合分布表用于记录所述充电习惯数据中每一特征数据组合在各种车辆工况下的累计时长；所述电池工况特征联合分布表用于记录所述电池工况数据中每一特征数据组合在各种车辆工况下的累计时长；所述驾驶习惯特征联合分布表用于记录所述驾驶习惯数据中每一特征数据组合在各种车辆工况下的累计时长。
在一种实施方式下，以其中一张充电习惯特征联合分布表作为举例，在所述充电习惯数据中提取出包括但不限于电池荷电状态数据(SOC)、充电时间、充电电流、充电电压等的特征数据之后，将有关联的特征数据作为特征数据组合，例如，将电池荷电状态数据(SOC)和充电时间作为一组特征数据组合，以累计时长作为统计目标，更新所述充电习惯特征联合分布表。记录所述车辆在不同充电时间对应的电池荷电状态数据，将所有发生的相同的数值组合的累计时长进行叠加。
在一种实施方式下，以其中一张电池工况特征联合分布表作为举例，在所述电池工况数据中提取出包括但不限于电池温度、车速等的特征数据之后，将有关联的特征数据作为特征数据组合，例如，将电池温度和车速作为一组特征数据组合，以累计时长作为统计目标，更新所述电池工况特征联合分布表。记录所述车辆在不同车速下的电池温度，将所有发生的相同的数值组合的累计时长进行叠加。
在一种实施方式下，以其中一张驾驶习惯特征联合分布表作为举例，在所述驾驶习惯数据中提取出包括但不限于制动力、主缸压力、制动初速度、车速等的特征数据之后，将有关联的特征数据作为特征数据组合，例如，将制动力和制动初速度作为一组特征数据组合，以累计时长作为统计目标，更新所述驾驶习惯特征联合分布表。记录所述车辆在不同制动初速度下的制动力，将所有发生的相同的数值组合的累计时长进行叠加。比如制动力为100N、制动初速度为20km/h这一数值组合发生了一次，那么就在这一特征数据组合的驾驶习惯特征联合分布表中的相应坐标点处叠加相应时长。
需要说明的是，在所述特征联合分布表中，关于每一特征数据组合的累计时长的表示方式可以采用数值标识的方式，或采用不同颜色标识的方式，或采用不同填充图案表示的方式，均不影响本发明取得的有益效果。
可以理解地，上述提到的场景和数值仅仅作为举例，在实际应用过程中，所述特征数据提取模块22将根据实际接收到的车辆状态数据，进行相应的特征数据的提取和关联，并由所述联合分布表更新模块23更新对应的特征联合分布表，均不影响本发明取得的有益效果。
所述联合分布表上传模块24，用于在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表分析车辆的电池状态。
在本发明实施例中，所述联合分布表上传模块24实时判断当前时刻是否满足预设的数据上传条件，并在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器。
作为优选的实施方式，所述联合分布表上传模块24，具体包括：
信息监控单元241，用于实时监控车辆的电池状态数据是否出现不满足对应的预设阈值的情况；其中，所述电池状态数据包括荷电状态数据、健康状态数据、功率状态数据和能量状态数据；
以及，实时监控车辆是否出现电池故障信息或电池报警信息；
数据上传条件判断单元242，用于当出现上述任一情况时，判定满足数据上传条件；
联合分布表上传单元243，用于在判定满足数据上传条件之后，将已存储的所述特征联合分布表上传至云端处理器。
具体地，通过预先设置荷电状态数据阈值、健康状态数据阈值、功率状态数据阈值和能量状态数据阈值，由所述信息监控单元241实时监控车辆的荷电状态数据(SOC)、健康状态数据(SOH)、功率状态数据(SOP)和能量状态数据(SOE)是否出现不满足对应的阈值的情况。同时，所述信息监控单元241还实时监控车辆是否出现电池故障信息，或是否出现电池报警信息的情况。当所述数据上传条件判断单元242判定出现上述任一情况时，表明所述数据上传条件已触发，所述联合分布表上传单元243将已存储的特征联合分布表上传至云端处理器，进行电池状态的分析处理。
作为优选的实施方式，所述联合分布表上传单元243，具体包括：
数据上传周期判断子单元2431，用于在判定满足所述数据上传条件之后，判断是否达到数据上传周期；
联合分布表上传子单元2432，用于在达到数据上传周期时，将已存储的所述特征联合分布表上传至云端处理器；在未达到数据上传周期时，控制所述联合分布表更新模块23继续更新并存储所述特征联合分布表，并在达到数据上传周期时，将已存储的所述特征联合分布表上传至云端处理器。
当车辆出现故障时，可能会频繁地触发阈值超标、报警信息和故障信息，导致特征联合分布表的持续上传。在本发明实施例中，为了避免高频的异常上传的情况，通过预先设置一个数据上传周期来实现对数据的定时上传。在判断满足数据上传条件时，所述联合分布表上传单元243不立即将所述联合分布表更新模块23中已存储的特征联合分布表上传，而是需要进一步判断是否满足数据上传周期，并在满足数据上传周期后，再将已存储的特征联合分布表上传。
作为优选的实施方式，所述边缘处理器20还包括：
数据清空模块26，用于将所述联合分布表更新模块23中已存储的所述特征联合分布表中的累计时长清空。
采用本发明实施例的技术手段，当所述边缘处理器监控到存在超阈值的电池状态数据，或出现电池报警信息、电池故障信息时，将已存储的特征联合分布表上传至云端处理器，从而实现由云端处理器根据已经整理好的特征联合分布表进行车辆的电池状态分析，减少了云端的数据处理量。并且，为了避免高频的异常上传情况，设置数据上传周期的限制，避免流量浪费和无效信息的上传。
此外，所述边缘处理器20还可包括其他模块/单元，使得所述边缘处理器能够实现上述实施例一所述的电池状态监测方法的其他步骤，在此不做更多的赘述。
本发明实施例提供了一种边缘处理器，包括状态数据获取模块、特征数据提取模块、联合分布表更新模块和联合分布表上传模块。所述状态数据获取模块实时获取车辆状态数据，所述特征数据提取模块对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合；所述联合分布表更新模块根据所述特征数据组合，更新预设的特征联合分布表；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长；所述联合分布表上传模块在判定满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表，分析车辆的电池状态。本发明实施例提供的边缘处理器可以实现对高频数据的采集，离数据的源头更近，保持了数据的鲜度和精度。并且，所述边缘处理器对采集的数据进行预处理和关键特征的提取，在满足上传条件时再将处理后的数据上传至云端，极大地降低了高频数据的传输费用和由云端进行数据存储的费用，使得云端处理器根据已经整理好的特征联合分布表进行车辆的电池状态分析，进一步减少了云端的数据处理量。
参见图5，是本发明实施例三提供的一种车辆的电池状态监测装置的结构示意图。本发明实施例提供的一种车辆的电池状态监测装置30，包括处理器31、存储器32以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如实施例一所述的车辆的电池状态监测方法。
需要说明的是，本发明实施例提供的一种电池状态监测装置用于执行上述实施例的一种电池状态监测方法的所有流程步骤，两者的工作原理和有益效果一一对应，因而不再赘述。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如实施例一所述的车辆的电池状态监测方法。
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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
作为优选的实施方式，本发明实施例还提供了一种车辆，包括边缘处理器；其中，所述边缘处理器为实施例二所述的边缘处理器20。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (14)
1.一种车辆的电池状态监测方法，其特征在于，由车辆侧的边缘处理器执行，包括：
实时获取车辆状态数据；其中，所述车辆状态数据是从车身控制器、电池控制器和底盘控制器获取的与车辆电池有关的状态数据；
对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合；
根据所述特征数据组合，更新预设的特征联合分布表，并进行存储；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长；
在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表，分析车辆的电池状态；
所述在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，具体包括：
实时监控车辆的电池状态数据是否出现不满足对应的预设阈值的情况；其中，所述电池状态数据包括荷电状态数据、健康状态数据、功率状态数据和能量状态数据；
实时监控车辆是否出现电池故障信息或电池报警信息；
当出现上述任一情况时，判定满足数据上传条件；
在判定满足数据上传条件之后，将已存储的所述特征联合分布表上传至云端处理器。
2.如权利要求1所述的车辆的电池状态监测方法，其特征在于，所述车辆状态数据包括充电习惯数据、电池工况数据和驾驶习惯数据；则所述预设的特征联合分布表包括：充电习惯特征联合分布表、电池工况特征联合分布表和驾驶习惯特征联合分布表；
其中，所述充电习惯特征联合分布表用于记录所述充电习惯数据中每一特征数据组合在各种车辆工况下的累计时长；所述电池工况特征联合分布表用于记录所述电池工况数据中每一特征数据组合在各种车辆工况下的累计时长；所述驾驶习惯特征联合分布表用于记录所述驾驶习惯数据中每一特征数据组合在各种车辆工况下的累计时长。
3.如权利要求1所述的车辆的电池状态监测方法，其特征在于，所述在判定满足数据上传条件之后，将已存储的所述特征联合分布表上传至云端处理器，具体包括：
在判定满足所述数据上传条件之后，判断是否达到数据上传周期；
若是，则将已存储的所述特征联合分布表上传至云端处理器；
若否，则继续更新并存储所述特征联合分布表，并在达到数据上传周期时，将已存储的所述特征联合分布表上传至云端处理器。
4.如权利要求1至3任一项所述的车辆的电池状态监测方法，其特征在于，所述在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器之后，还包括：
将已存储的所述特征联合分布表中的累计时长清空。
5.如权利要求1所述的车辆的电池状态监测方法，其特征在于，所述对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合之前，还包括：
对获取的所述车辆状态数据进行预处理；其中，所述预处理包括对所述车辆状态数据进行融合、统一周期和同步信号的操作。
6.如权利要求1所述的车辆的电池状态监测方法，其特征在于，所述云端处理器能够通过聚类分析法，获取同一时刻发生的不满足阈值的电池状态数据、电池故障信息或电池报警信息，作为关联特征对；并针对每一关联特征对，通过聚类分析法，获取与所述关联特征对相关的特征联合分布表中的特征数据组合；以及，基于神经网络，拟合所有车辆的所述关联特征对与其相关的所述特征联合分布表中的特征数据组合之间的数学关系，以分析车辆的电池状态。
7.一种边缘处理器，其特征在于，包括：
状态数据获取模块，用于实时获取车辆状态数据；其中，所述车辆状态数据是从车身控制器、电池控制器和底盘控制器获取的与车辆电池有关的状态数据；
特征数据提取模块，用于对所述车辆状态数据进行特征数据提取，并将有关联的特征数据作为特征数据组合；
联合分布表更新模块，用于根据所述特征数据组合，更新预设的特征联合分布表，并进行存储；其中，所述特征联合分布表用于记录所述特征数据组合在各种车辆工况下的累计时长；
联合分布表上传模块，用于在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器，以使所述云端处理器能够根据所述特征联合分布表分析车辆的电池状态；
所述联合分布表上传模块，具体包括：
信息监控单元，用于实时监控车辆的电池状态数据是否出现不满足对应的预设阈值的情况；其中，所述电池状态数据包括荷电状态数据、健康状态数据、功率状态数据和能量状态数据；
以及，实时监控车辆是否出现电池故障信息或电池报警信息；
数据上传条件判断单元，用于当出现上述任一情况时，判定满足数据上传条件；
联合分布表上传单元，用于在判定满足数据上传条件之后，将已存储的所述特征联合分布表上传至云端处理器。
8.如权利要求7所述的边缘处理器，其特征在于，所述车辆状态数据包括充电习惯数据、电池工况数据和驾驶习惯数据；则所述预设的特征联合分布表包括：充电习惯特征联合分布表、电池工况特征联合分布表和驾驶习惯特征联合分布表；
其中，所述充电习惯特征联合分布表用于记录所述充电习惯数据中每一特征数据组合在各种车辆工况下的累计时长；所述电池工况特征联合分布表用于记录所述电池工况数据中每一特征数据组合在各种车辆工况下的累计时长；所述驾驶习惯特征联合分布表用于记录所述驾驶习惯数据中每一特征数据组合在各种车辆工况下的累计时长。
9.如权利要求7所述的边缘处理器，其特征在于，所述联合分布表上传单元，具体包括：
数据上传周期判断子单元，用于在判定满足所述数据上传条件之后，判断是否达到数据上传周期；
联合分布表上传子单元，用于在达到数据上传周期时，将已存储的所述特征联合分布表上传至云端处理器；在未达到数据上传周期时，控制所述联合分布表更新模块继续更新并存储所述特征联合分布表，并在达到数据上传周期时，将已存储的所述特征联合分布表上传至云端处理器。
10.如权利要求7至9任一项所述的边缘处理器，其特征在于，所述边缘处理器还包括：
数据清空模块，用于将已存储的所述特征联合分布表中的累计时长清空。
11.如权利要求7所述的边缘处理器，其特征在于，所述边缘处理器包括：
状态数据预处理模块，用于对获取的所述车辆状态数据进行预处理；其中，所述预处理包括对所述车辆状态数据进行融合、统一周期和同步信号的操作。
12.一种车辆的电池状态监测装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的车辆的电池状态监测方法。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的车辆的电池状态监测方法。
14.一种车辆，其特征在于，包括边缘处理器；其中，所述边缘处理器为权利要求7至11任一项所述的边缘处理器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010848345.8A CN112092674B (zh) | 2020-08-21 | 2020-08-21 | 电池状态监测方法、装置、介质、边缘处理器和车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010848345.8A CN112092674B (zh) | 2020-08-21 | 2020-08-21 | 电池状态监测方法、装置、介质、边缘处理器和车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112092674A CN112092674A (zh) | 2020-12-18 |
| CN112092674B true CN112092674B (zh) | 2022-03-08 |
Family
ID=73753274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010848345.8A Active CN112092674B (zh) | 2020-08-21 | 2020-08-21 | 电池状态监测方法、装置、介质、边缘处理器和车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112092674B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114170705A (zh) * | 2021-11-17 | 2022-03-11 | 华人运通(江苏)技术有限公司 | 车辆数据上传方法、装置和设备 |
| CN114333099B (zh) * | 2021-12-10 | 2023-12-05 | 华人运通(上海)云计算科技有限公司 | 一种车辆使用工况的监控方法、装置和车辆 |
| CN114553873B (zh) * | 2022-02-27 | 2023-06-09 | 重庆长安汽车股份有限公司 | 基于soa的车云协同控制系统、方法及可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105388820A (zh) * | 2014-08-25 | 2016-03-09 | 深迪半导体(上海)有限公司 | 智能监测设备及其监测方法、监测系统 |
| CN105976450A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 |
| KR20170108456A (ko) * | 2016-03-17 | 2017-09-27 | 현대자동차주식회사 | 파워 오버 데이터 라인 시스템의 전력 제어 방법 |
| CN107284272A (zh) * | 2017-07-10 | 2017-10-24 | 刘玲玲 | 一种动力电池监测装置及方法 |
| CN110712560A (zh) * | 2019-09-27 | 2020-01-21 | 东软睿驰汽车技术（沈阳）有限公司 | 异常处理方法、装置、设备及介质 |
| CN110794305A (zh) * | 2019-10-14 | 2020-02-14 | 北京理工大学 | 一种动力电池故障诊断方法和系统 |
| CN111231678A (zh) * | 2018-02-26 | 2020-06-05 | 杭州翼兔网络科技有限公司 | 一种电动汽车终端 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5773055B2 (ja) * | 2012-02-22 | 2015-09-02 | トヨタ自動車株式会社 | 車両、充電装置および充電システム |
| US10434883B2 (en) * | 2016-09-27 | 2019-10-08 | Ford Global Technologies, Llc | Safety critical systems control in autonomous vehicles |
-
2020
- 2020-08-21 CN CN202010848345.8A patent/CN112092674B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105388820A (zh) * | 2014-08-25 | 2016-03-09 | 深迪半导体(上海)有限公司 | 智能监测设备及其监测方法、监测系统 |
| KR20170108456A (ko) * | 2016-03-17 | 2017-09-27 | 현대자동차주식회사 | 파워 오버 데이터 라인 시스템의 전력 제어 방법 |
| CN105976450A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术（北京）有限公司 | 无人驾驶车辆的数据处理方法和装置、黑匣子系统 |
| CN107284272A (zh) * | 2017-07-10 | 2017-10-24 | 刘玲玲 | 一种动力电池监测装置及方法 |
| CN111231678A (zh) * | 2018-02-26 | 2020-06-05 | 杭州翼兔网络科技有限公司 | 一种电动汽车终端 |
| CN110712560A (zh) * | 2019-09-27 | 2020-01-21 | 东软睿驰汽车技术（沈阳）有限公司 | 异常处理方法、装置、设备及介质 |
| CN110794305A (zh) * | 2019-10-14 | 2020-02-14 | 北京理工大学 | 一种动力电池故障诊断方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112092674A (zh) | 2020-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112092674B (zh) | 电池状态监测方法、装置、介质、边缘处理器和车辆 | |
| CN102903162B (zh) | 一种汽车行驶状态信息采集处理系统及其处理方法 | |
| CN104828062B (zh) | 一种基于驾驶员制动意图识别的制动控制方法 | |
| CN111547062B (zh) | 一种自动驾驶控制方法、装置和车辆 | |
| CN112297848A (zh) | 电池包热失控控制方法、控制器、设备及汽车 | |
| CN106218551B (zh) | 汽车的标定方法、标定终端及标定系统 | |
| CN110262491B (zh) | 一种基于混合学习方式的车辆制动意图预测的方法及系统 | |
| CN112950811B (zh) | 融合整车安全的新能源汽车区域运行风险评估及预警系统 | |
| CN113495547A (zh) | 一种实时安全的无人驾驶故障诊断与保护方法及系统 | |
| CN109677410B (zh) | 一种车辆自适应控制方法及系统 | |
| CN110775069A (zh) | 一种混行模式下车辆驾驶模式识别装置和方法 | |
| CN116215495A (zh) | 混合动力车辆能量管理优化方法、装置及系统 | |
| CN115946704A (zh) | 驾驶风格识别方法及装置 | |
| CN112026679B (zh) | 车辆使用工况监测方法、装置、介质、边缘处理器和车辆 | |
| CN115476861A (zh) | 智能网联汽车的安全评价系统 | |
| CN113264060B (zh) | 一种基于云端训练模型的自动驾驶节能系统及方法 | |
| CN116080470A (zh) | 电动汽车的动力电池监控方法、装置、服务器及介质 | |
| CN114705995A (zh) | 一种电连接状态识别方法、装置、设备及存储介质 | |
| CN114333099B (zh) | 一种车辆使用工况的监控方法、装置和车辆 | |
| CN111652065B (zh) | 基于车辆感知和智能穿戴的多模态安全驾驶方法、设备及系统 | |
| CN112351407A (zh) | 一种基于5g分级决策的aeb策略方法 | |
| CN106740134A (zh) | 一种电动汽车电池电量管理系统及其管理方法 | |
| CN113888775A (zh) | 车辆预警方法、服务器、存储介质、车辆预警系统和车辆 | |
| CN115497316B (zh) | 一种电单车电池控制系统 | |
| CN113665586B (zh) | 接管提示方法、装置、计算机设备及存储介质 |
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 | ||
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20240222 Granted publication date: 20220308 |