CN113715953A - 一种电动自行车的里程计算方法和系统 - Google Patents

一种电动自行车的里程计算方法和系统 Download PDF

Info

Publication number
CN113715953A
CN113715953A CN202110998986.6A CN202110998986A CN113715953A CN 113715953 A CN113715953 A CN 113715953A CN 202110998986 A CN202110998986 A CN 202110998986A CN 113715953 A CN113715953 A CN 113715953A
Authority
CN
China
Prior art keywords
factor
mileage
battery performance
residual
data point
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.)
Pending
Application number
CN202110998986.6A
Other languages
English (en)
Inventor
陈学清
梁日基
李远军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Yanshan Technology Co ltd
Original Assignee
Guangzhou Yanshan Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Yanshan Technology Co ltd filed Critical Guangzhou Yanshan Technology Co ltd
Priority to CN202110998986.6A priority Critical patent/CN113715953A/zh
Publication of CN113715953A publication Critical patent/CN113715953A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62M—RIDER PROPULSION OF WHEELED VEHICLES OR SLEDGES; POWERED PROPULSION OF SLEDGES OR SINGLE-TRACK CYCLES; TRANSMISSIONS SPECIALLY ADAPTED FOR SUCH VEHICLES
    • B62M6/00—Rider propulsion of wheeled vehicles with additional source of power, e.g. combustion engine or electric motor
    • B62M6/40—Rider propelled cycles with auxiliary electric motor
    • B62M6/45—Control or actuating devices therefor
    • 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
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • 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
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • B60L2260/52—Control modes by future state prediction drive range estimation, e.g. of estimation of available travel distance
    • 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

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Power Engineering (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及电动自行车技术领域，公开了一种电动自行车的里程计算方法和系统，本发明技术方案包括：构建电池性能分析模型，通过电池性能分析模型采集不同使用状态下的a个电池性能系数；获取a个电池性能系数下对应的a组剩余电量与剩余里程的数据点集；将每组剩余电量与剩余里程的数据点集分别进行拟合，生成a个关系函数；将a个电池性能系数与a个关系函数构建映射关系，从而形成里程计算模型，其中a>0。通过对电池性能影响因素的全面分析，从而对电动自行车的里程进行准确的计算。

Description

一种电动自行车的里程计算方法和系统
技术领域
本发明涉及电动自行车技术领域，更具体的说，涉及一种电动自行车的里程计算方法和系统。
背景技术
电动自行车的里程是根据其续航进行预估的。但是电池的续航能力会随着电池的老化而逐渐降低，从而导致里程的预估不准确，对用户产生很大的影响。
现有技术对于续航能力的影响考虑因素较单一，然而实际影响电池续航能力的因素有例如温度高或温度低、电池的荷电状态等等。单一的因素考虑势必会导致预估结果的不准确。
发明内容
有鉴于此，本申请提供了一种电动自行车的里程计算方法和系统，通过对电池性能影响因素的全面分析，从而对电动自行车的里程进行准确的计算。方案如下：
一种电动自行车的里程计算方法，包括：
构建电池性能分析模型，通过电池性能分析模型采集不同使用状态下的a个电池性能系数；
获取a个电池性能系数下对应的a组剩余电量与剩余里程的数据点集；
将每组剩余电量与剩余里程的数据点集分别进行拟合，生成a个关系函数；
将a个电池性能系数与a个关系函数构建映射关系，从而形成里程计算模型，其中a>0。
优选地，所述电池性能分析模型的构建方法为：
对电池健康的负面影响因素进行归类；
确定b个第一因素，以及每个第一因素对应的第二因素；
对第一因素以及第二因素进行融合计算，形成电池性能分析模型。影响电池性能的因素有很多，需要通过将因素归类，确定第一因素以及对应的第二因素后才能将这些影响因素连接起来，进行融合的分析。本方法通过对影响因素的融合计算能够从多个维度，全方面的对电池性能进行分析。
优选地，所述确定b个第一因素，以及每个第一因素对应的第二因素具体为：
构建第一因素与第二因素的映射关系；
将第二因素对应第一因素的影响程度存储在映射关系中。将影响程度存储在映射关系中，使影响程度与映射关系一一对应，这样能够在数据调取时防止数据的混乱，导致数据调取错误。
优选地，所述第一因素与第二因素的映射关系的构建方法为：
创建第一因素节点与第二因素节点；
将第一因素节点与第二因素节点间构建数据包；
将映射关系存储在数据包中。数据包能够表示数据的流向与数据组别之间的关系，通过数据包能够确定第一因素与第二因素之间的关系，从而形成映射关系。
优选地，所述融合计算具体为：
根据第一因素对电池的性能影响程度，以及第二因素对应第一因素的影响程度，分别构造N+1个判断矩阵，并对每个判断矩阵进行一致性校验；
在每个所述判断矩阵通过一致性校验之后，根据所述N+1个判断矩阵的N+1个最大特征向量，得到每个所述第二因素对电池影响权重；
根据各个所述第二因素的影响权重，计算电池性能系数。融合计算可以能够精确的确定每个第二因素对电池性能的影响权重，从而为后续的分析提供数据支撑，使后续分析更加准确。
优选地，所述根据各个所述第二因素的影响权重，计算电池性能系数具体为：获取所有第二因素的单独评分；电池性能系数＝所有第二因素的单独评分与对应影响权重相乘后求和。通过该步骤可以具体计算出电池性能系数。
优选地，所述将每组剩余电量与剩余里程的数据点集分别进行拟合具体为：将剩余电量与剩余里程的数据点集进行曲线拟合，输出剩余电量与剩余里程的函数关系。
一种电动自行车的里程计算系统，包括：
电池性能系数采集模块：所述电池性能系数采集模块用于构建电池性能分析模型，通过电池性能分析模型采集不同使用状态下的a个电池性能系数；
数据点集获取模块：所述数据点集获取模块用于获取a个电池性能系数下对应的a组剩余电量与剩余里程的数据点集；
拟合模块：所述拟合模块用于将每组剩余电量与剩余里程的数据点集分别进行拟合，生成a个关系函数；
里程计算模型生成模块：所述里程计算模型生成模块用于将a个电池性能系数与a个关系函数构建映射关系，从而形成里程计算模型，其中a>0。
所述电池性能系数采集模块与数据点集获取模块相连接；所述数据点集获取模块与拟合模块相连接；所述拟合模块与里程计算模型生成模块相连接。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序指令，该程序指令适于由处理器加载并执行所述的电动自行车的里程计算方法。
一种移动终端，包括处理器以及存储器，所述的处理器用于执行存储器中存储的程序，以实现所述的电动自行车的里程计算方法。
通过上述描述可知，本发明技术方案提供的电动自行车的里程计算方法及系统中，结合对电池性能影响因素的分析，从而对电动自行车的里程进行准确的计算。具体的，结合多种电池性能的影响因素，构建电池性能分析模型，拟合到剩余电量与剩余里程的关系函数中，得到里程计算模型，通过里程计算模型，计算当前电量对应的剩余里程。使计算结果更加全面准确。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例提供的一种电动自行车的里程计算方法的流程示意图；
图2为本发明实施例提供的另一种电动自行车的里程计算系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明旨在结合电池续航能力的多个影响因素，综合分析并推荐电池剩余里程，为用户提供良好的使用体验。但发明人发现，对于电池在不同老化程度下，其剩余电量与剩余里程不是一个有规律的函数曲线，这样，对于里程的计算难度大大的加大，所以，发明人通过如下曲线拟合的方法辅助的对关系函数进行分析，可以结合电池续航能力的多个影响因素进行分析，具体方案如下：
如图1所示，图1为一种电动自行车的里程计算方法，包括：
S1.构建电池性能分析模型，通过电池性能分析模型采集不同使用状态下的a个电池性能系数；
S2.获取a个电池性能系数下对应的a组剩余电量与剩余里程的数据点集；
S3.将每组剩余电量与剩余里程的数据点集分别进行拟合，生成a个关系函数；
S4.将a个电池性能系数与a个关系函数构建映射关系，从而形成里程计算模型，其中a>0。
其中a>0，且a是整数，表示多个若干个，由于电池性能分为多个阶段，很多种使用情况，也就具有若干种不同的使用状态，所以，需要获取a种使用状态下的电池性能系数，再收集该电池性能系数下的剩余电量与剩余里程的多个数据点集，数据点集进行拟合可以生成一个关系函数，所以，每个状态下的电池性能系数都会对应一个关系函数，将这些电池性能系数与关系函数一一对应就生成了里程计算模型。计算时，需要分析该状态下的电池性能系数，然后输入里程计算模型中，便可找出对应的剩余电量与剩余里程的关系函数，根据剩余电量计算出剩余里程。
具体实施时，本发明采用层次分析法，将影响电池性能的因素按照总分的顺序进行排列，并通过两两因素之间的重要性分析计算，从而得到电池性能分析模型,具体步骤如下:
步骤S1：构建电池性能分析模型，通过电池性能分析模型采集不同使用状态下的a个电池性能系数。所述电池性能分析模型的构建方法为：对电池健康的负面影响因素进行归类；确定b个第一因素，以及每个第一因素对应的第二因素；对第一因素以及第二因素进行融合计算，形成电池性能分析模型。影响电池性能的因素有很多，需要通过将因素归类，确定第一因素以及对应的第二因素后才能将这些影响因素连接起来，进行融合的分析。本方法通过对影响因素的融合计算能够从多个维度，全方面的对电池性能进行分析。第一因素为主要因素，第二因素为具体因素，第一因素与第二因素结合的方式能够更加系统且准确的对电池的性能进行评估。
所述确定b个第一因素，以及每个第一因素对应的第二因素具体为：构建第一因素与第二因素的映射关系；将第二因素对应第一因素的影响程度存储在映射关系中。将影响程度存储在映射关系中，使影响程度与映射关系一一对应，这样能够在数据调取时防止数据的混乱，导致数据调取错误。
所述第一因素与第二因素的映射关系的构建方法为：创建第一因素节点与第二因素节点；将第一因素节点与第二因素节点间构建数据包；将映射关系存储在数据包中。数据包能够表示数据的流向与数据组别之间的关系，通过数据包能够确定第一因素与第二因素之间的关系，从而形成映射关系。
电池性能分析模型构建完毕后，将电池影响第二因素进行评分，
所述融合计算具体为：根据第一因素对电池的性能影响程度，以及第二因素对应第一因素的影响程度，分别构造N+1个判断矩阵，并对每个判断矩阵进行一致性校验；在每个所述判断矩阵通过一致性校验之后，根据所述N+1个判断矩阵的N+1个最大特征向量，得到每个所述第二因素对电池影响权重；根据各个所述第二因素的影响权重，计算电池性能系数。
所述根据各个所述第二因素的影响权重，计算电池性能系数具体为：获取所有第二因素的单独评分；电池性能系数＝所有第二因素的单独评分与对应影响权重相乘后求和。
影响权重是影响影响程度的一个体现，在确定各层次各因素之间的权重时，进行两两因素相互比较，尽可能的减少性质不同的诸多因素相互比较的困难，以提高准确度。
根据历史数据进行大量研究后，确定中间层各第一因素之间对最高层电池性能影响的相对权重值，构建一个准则层的判断矩阵。同理，根据最底层各第二因素之间对对应中间层各第一因素的相对权重值，分别构造N个最底层的判断矩阵，总共得到N+1个判断矩阵。对于各个判断矩阵，需要计算其随机一致性比率，若随机一致性比率小于0.1，则说明判断矩阵构造合理可用于计算权重。
计算随机一致性比率的过程如下：
利用和积法计算各个判断矩阵的最大特征向量，由最大特征向量求得最大特征根，通过最大特征根计算矩阵的一致性指标C.I，其中C.I值越大，表明判断矩阵偏离完全一致性的程度越大，反之则表明判断矩阵越接近完全一致性。
步骤S2：获取a个电池性能系数下对应的a组剩余电量与剩余里程的数据点集。对不同使用情况下的电池进行测试，每种电池性能系数下获取一组剩余电量与剩余里程的数据点集合，从而获取a组。
步骤S3：将每组剩余电量与剩余里程的数据点集分别进行拟合，生成a个关系函数。所述将每组剩余电量与剩余里程的数据点集分别进行拟合具体为：将剩余电量与剩余里程的数据点集进行曲线拟合，输出剩余电量与剩余里程的函数关系。曲线拟合是用连续曲线近似地刻画或比拟平面上一组离散点所表示的坐标之间的函数关系，是一种用解析表达式逼近离散数据的方法。本发明中可以选用适合的曲线拟合方法，具体方法不进行限定。
步骤S4：将a个电池性能系数与a个关系函数构建映射关系，从而形成里程计算模型，其中a>0。
所述将电池性能系数拟合到关系函数中具体为：建立剩余电量与剩余里程的关系函数；获取电池性能系数；将电池性能系数与关系函数进行拟合，得到拟合后的函数方程；获取当前剩余电量输入拟合方程中，获取剩余里程。
如图2所示，图2为一种电动自行车的里程计算系统，包括：
电池性能系数采集模块1：所述电池性能系数采集模块1用于构建电池性能分析模型，通过电池性能分析模型采集不同使用状态下的a个电池性能系数；
数据点集获取模块2：所述数据点集获取模块2用于获取a个电池性能系数下对应的a组剩余电量与剩余里程的数据点集；
拟合模块3：所述拟合模块3用于将每组剩余电量与剩余里程的数据点集分别进行拟合，生成a个关系函数；
里程计算模型生成模块4：所述里程计算模型生成模块4用于将a个电池性能系数与a个关系函数构建映射关系，从而形成里程计算模型，其中a>0。
所述电池性能系数采集模块1与数据点集获取模块2相连接；所述数据点集获取模块2与拟合模块3相连接；所述拟合模块3与里程计算模型生成模块4相连接。
所述电池性能系数采集模块1用于构建电池性能分析模型，通过电池性能分析模型采集不同使用状态下的a个电池性能系数；所述电池性能分析模型的构建方法为：对电池健康的负面影响因素进行归类；确定b个第一因素，以及每个第一因素对应的第二因素；对第一因素以及第二因素进行融合计算，形成电池性能分析模型。影响电池性能的因素有很多，需要通过将因素归类，确定第一因素以及对应的第二因素后才能将这些影响因素连接起来，进行融合的分析。本方法通过对影响因素的融合计算能够从多个维度，全方面的对电池性能进行分析。第一因素为主要因素，第二因素为具体因素，第一因素与第二因素结合的方式能够更加系统且准确的对电池的性能进行评估。
所述确定b个第一因素，以及每个第一因素对应的第二因素具体为：构建第一因素与第二因素的映射关系；将第二因素对应第一因素的影响程度存储在映射关系中。将影响程度存储在映射关系中，使影响程度与映射关系一一对应，这样能够在数据调取时防止数据的混乱，导致数据调取错误。
所述第一因素与第二因素的映射关系的构建方法为：创建第一因素节点与第二因素节点；将第一因素节点与第二因素节点间构建数据包；将映射关系存储在数据包中。数据包能够表示数据的流向与数据组别之间的关系，通过数据包能够确定第一因素与第二因素之间的关系，从而形成映射关系。
电池性能分析模型构建完毕后，将电池影响第二因素进行评分，
所述融合计算具体为：根据第一因素对电池的性能影响程度，以及第二因素对应第一因素的影响程度，分别构造N+1个判断矩阵，并对每个判断矩阵进行一致性校验；在每个所述判断矩阵通过一致性校验之后，根据所述N+1个判断矩阵的N+1个最大特征向量，得到每个所述第二因素对电池影响权重；根据各个所述第二因素的影响权重，计算电池性能系数。
所述根据各个所述第二因素的影响权重，计算电池性能系数具体为：获取所有第二因素的单独评分；电池性能系数＝所有第二因素的单独评分与对应影响权重相乘后求和。
影响权重是影响影响程度的一个体现，在确定各层次各因素之间的权重时，进行两两因素相互比较，尽可能的减少性质不同的诸多因素相互比较的困难，以提高准确度。
根据历史数据进行大量研究后，确定中间层各第一因素之间对最高层电池性能影响的相对权重值，构建一个准则层的判断矩阵。同理，根据最底层各第二因素之间对对应中间层各第一因素的相对权重值，分别构造N个最底层的判断矩阵，总共得到N+1个判断矩阵。对于各个判断矩阵，需要计算其随机一致性比率，若随机一致性比率小于0.1，则说明判断矩阵构造合理可用于计算权重。
计算随机一致性比率的过程如下：
利用和积法计算各个判断矩阵的最大特征向量，由最大特征向量求得最大特征根，通过最大特征根计算矩阵的一致性指标C.I，其中C.I值越大，表明判断矩阵偏离完全一致性的程度越大，反之则表明判断矩阵越接近完全一致性。
所述数据点集获取模块2用于获取a个电池性能系数下对应的a组剩余电量与剩余里程的数据点集；对不同使用情况下的电池进行测试，每种电池性能系数下获取一组剩余电量与剩余里程的数据点集合，从而获取a组。
所述拟合模块3用于将每组剩余电量与剩余里程的数据点集分别进行拟合，生成a个关系函数；所述将每组剩余电量与剩余里程的数据点集分别进行拟合具体为：将剩余电量与剩余里程的数据点集进行曲线拟合，输出剩余电量与剩余里程的函数关系。曲线拟合是用连续曲线近似地刻画或比拟平面上一组离散点所表示的坐标之间的函数关系，是一种用解析表达式逼近离散数据的方法。本发明中可以选用适合的曲线拟合方法，具体方法不进行限定。
所述里程计算模型生成模块4用于将a个电池性能系数与a个关系函数构建映射关系，从而形成里程计算模型，其中a>0。所述将电池性能系数拟合到关系函数中具体为：建立剩余电量与剩余里程的关系函数；获取电池性能系数；将电池性能系数与关系函数进行拟合，得到拟合后的函数方程；获取当前剩余电量输入拟合方程中，获取剩余里程。
除上述之外，本发明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存储有计算机程序指令，该程序指令适于由处理器加载并执行所述的电动自行车的里程计算方法。
除上述之外，本发明还提供了一种移动终端，包括处理器以及存储器，所述的处理器用于执行存储器中存储的程序，以实现所述的电动自行车的里程计算方法。
本说明书中各个实施例采用递进、或并列、或递进和并列结合的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
需要说明的是，在本发明的描述中，需要理解的是，术语“上”、“下”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在居中设置的组件。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括上述要素的物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种电动自行车的里程计算方法，其特征在于，包括：
构建电池性能分析模型，通过电池性能分析模型采集不同使用状态下的a个电池性能系数；
获取a个电池性能系数下对应的a组剩余电量与剩余里程的数据点集；
将每组剩余电量与剩余里程的数据点集分别进行拟合，生成a个关系函数；
将a个电池性能系数与a个关系函数构建映射关系，从而形成里程计算模型，其中a>0。
2.根据权利要求1所述的电动自行车的里程计算方法，其特征在于，所述电池性能分析模型的构建方法为：
对电池健康的负面影响因素进行归类；
确定b个第一因素，以及每个第一因素对应的第二因素；
对第一因素以及第二因素进行融合计算，形成电池性能分析模型。
3.根据权利要求2所述的电动自行车的里程计算方法，其特征在于，所述确定b个第一因素，以及每个第一因素对应的第二因素具体为：
构建第一因素与第二因素的映射关系；
将第二因素对应第一因素的影响程度存储在映射关系中。
4.根据权利要求3所述的电动自行车的里程计算方法，其特征在于，所述第一因素与第二因素的映射关系的构建方法为：
创建第一因素节点与第二因素节点；
将第一因素节点与第二因素节点间构建数据包；
将映射关系存储在数据包中。
5.根据权利要求4所述的电动自行车的里程计算方法，其特征在于，所述融合计算具体为：
根据第一因素对电池的性能影响程度，以及第二因素对应第一因素的影响程度，分别构造N+1个判断矩阵，并对每个判断矩阵进行一致性校验；
在每个所述判断矩阵通过一致性校验之后，根据所述N+1个判断矩阵的N+1个最大特征向量，得到每个所述第二因素对电池影响权重；
根据各个所述第二因素的影响权重，计算电池性能系数。
6.根据权利要求5所述的电动自行车的里程计算方法，其特征在于，所述根据各个所述第二因素的影响权重，计算电池性能系数具体为：获取所有第二因素的单独评分；电池性能系数＝所有第二因素的单独评分与对应影响权重相乘后求和。
7.根据权利要求1所述的电动自行车的里程计算方法，其特征在于，所述将每组剩余电量与剩余里程的数据点集分别进行拟合具体为：将剩余电量与剩余里程的数据点集进行曲线拟合，输出剩余电量与剩余里程的函数关系。
8.一种电动自行车的里程计算系统，其特征在于，包括：
电池性能系数采集模块：所述电池性能系数采集模块用于构建电池性能分析模型，通过电池性能分析模型采集不同使用状态下的a个电池性能系数；
数据点集获取模块：所述数据点集获取模块用于获取a个电池性能系数下对应的a组剩余电量与剩余里程的数据点集；
拟合模块：所述拟合模块用于将每组剩余电量与剩余里程的数据点集分别进行拟合，生成a个关系函数；
里程计算模型生成模块：所述里程计算模型生成模块用于将a个电池性能系数与a个关系函数构建映射关系，从而形成里程计算模型，其中a>0。
所述电池性能系数采集模块与数据点集获取模块相连接；所述数据点集获取模块与拟合模块相连接；所述拟合模块与里程计算模型生成模块相连接。
9.一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存储有计算机程序指令，该程序指令适于由处理器加载并执行权利要求1～7任一项所述的方法
10.一种移动终端，其特征在于，包括处理器以及存储器，所述的处理器用于执行存储器中存储的程序，以实现权利要求1～7任一项所述的方法。
CN202110998986.6A 2021-08-28 2021-08-28 一种电动自行车的里程计算方法和系统 Pending CN113715953A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110998986.6A CN113715953A (zh) 2021-08-28 2021-08-28 一种电动自行车的里程计算方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110998986.6A CN113715953A (zh) 2021-08-28 2021-08-28 一种电动自行车的里程计算方法和系统

Publications (1)

Publication Number Publication Date
CN113715953A true CN113715953A (zh) 2021-11-30

Family

ID=78678766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110998986.6A Pending CN113715953A (zh) 2021-08-28 2021-08-28 一种电动自行车的里程计算方法和系统

Country Status (1)

Country Link
CN (1) CN113715953A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150071165A (ko) * 2013-12-18 2015-06-26 쌍용자동차 주식회사 주행거리 확장 전기자동차의 배터리 주행거리 조절장치
JP2015139346A (ja) * 2014-01-24 2015-07-30 トヨタ自動車株式会社 走行可能距離算出システム
CN105740567A (zh) * 2016-02-18 2016-07-06 浙江大学 一种用于可更换电池电动汽车的续航里程计算方法
CN106125007A (zh) * 2016-08-31 2016-11-16 北京新能源汽车股份有限公司 一种电池剩余电量的确定方法、装置及汽车
CN106597308A (zh) * 2016-12-16 2017-04-26 西南交通大学 一种动力电池剩余电量估计方法
CN110435429A (zh) * 2019-08-14 2019-11-12 福州大学 一种融合能耗预测的双电机电动汽车续航里程估计方法
CN112009308A (zh) * 2019-05-31 2020-12-01 长城汽车股份有限公司 电动车续航里程计算方法和装置
CN113119793A (zh) * 2020-01-10 2021-07-16 上海汽车集团股份有限公司 一种车辆续驶里程计算方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150071165A (ko) * 2013-12-18 2015-06-26 쌍용자동차 주식회사 주행거리 확장 전기자동차의 배터리 주행거리 조절장치
JP2015139346A (ja) * 2014-01-24 2015-07-30 トヨタ自動車株式会社 走行可能距離算出システム
CN105740567A (zh) * 2016-02-18 2016-07-06 浙江大学 一种用于可更换电池电动汽车的续航里程计算方法
CN106125007A (zh) * 2016-08-31 2016-11-16 北京新能源汽车股份有限公司 一种电池剩余电量的确定方法、装置及汽车
CN106597308A (zh) * 2016-12-16 2017-04-26 西南交通大学 一种动力电池剩余电量估计方法
CN112009308A (zh) * 2019-05-31 2020-12-01 长城汽车股份有限公司 电动车续航里程计算方法和装置
CN110435429A (zh) * 2019-08-14 2019-11-12 福州大学 一种融合能耗预测的双电机电动汽车续航里程估计方法
CN113119793A (zh) * 2020-01-10 2021-07-16 上海汽车集团股份有限公司 一种车辆续驶里程计算方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘佳瑜等: "基于模糊评价的电动汽车多性能研究", 《科技视界》 *
勾俊杰: "基于Cruise的电动车里程影响因素权重分析", 《上海汽车》 *
陈岳川等: "电动公交车电池续航预测研究", 《城市公共交通》 *
陈德海等: "基于STM32-OCV法的纯电动汽车剩余里程预测", 《电子技术应用》 *

Similar Documents

Publication Publication Date Title
CN103250066B (zh) 感测电池容量的系统和方法
CN111707951A (zh) 一种电池组一致性评估方法及系统
CN108846227B (zh) 一种基于随机森林及容量自恢复效应分析的锂离子电池容量退化预测评估方法
CN110133525B (zh) 一种应用于电池管理系统的锂离子电池健康状态估计方法
CN109991548A (zh) 一种ocv-soc标定实验方法、电池等效模型参数辨识方法及soc估算方法
CN111092470B (zh) 获取电池组中各电池容量差的方法、装置以及存储介质
KR101952406B1 (ko) 메타데이터를 이용한 2차 전지 시험 방법
US20110208453A1 (en) Circuit-based method for estimating battery capacity
CN110658460A (zh) 一种电池包的电池寿命预测方法及装置
CN115686124B (zh) 一种基于安全保护的储能电池输出功率自调节系统及方法
CN115270454A (zh) 电池寿命预测方法及相关设备
CN113715953A (zh) 一种电动自行车的里程计算方法和系统
CN116626575B (zh) 一种数据采集设备的拟合式校正方法及装置
CN113312807A (zh) 一种基于锂电池性能模拟环境的电解液配方推荐方法
CN112557905B (zh) 电池组及其数据处理方法、计算机设备、介质和车辆
CN116298927A (zh) 一种电池容量估计方法和装置、计算机设备、存储介质
CN115963404A (zh) 一种电池荷电状态预测方法、设备和存储介质
Seitl et al. Selection and implementation of a generic battery model for PHIL applications
CN113721149A (zh) 一种基于半监督迁移学习的锂电池容量预测方法
CN108808794A (zh) 一种电池组均衡方法
CN112474435A (zh) 一种电池模组的快速分选方法和装置
CN110673045A (zh) 一种电池充放电数据处理方法
CN117590259B (zh) 基于迁移模型锂电池组全寿命宽温度soc高效估计方法
CN103033213A (zh) 基于RReliefF变量选择的生产过程主导变量精简化软测量方法
CN113447818B (zh) 电池等效电路模型的辨识方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211130