CN113777511A - 自动导引车电池的诊断方法、装置、存储介质及电子设备 - Google Patents
自动导引车电池的诊断方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113777511A CN113777511A CN202010518481.0A CN202010518481A CN113777511A CN 113777511 A CN113777511 A CN 113777511A CN 202010518481 A CN202010518481 A CN 202010518481A CN 113777511 A CN113777511 A CN 113777511A
- Authority
- CN
- China
- Prior art keywords
- battery
- guided vehicle
- automatic guided
- soc
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 82
- 238000005070 sampling Methods 0.000 claims abstract description 63
- 230000036541 health Effects 0.000 claims abstract description 55
- 238000002405 diagnostic procedure Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004171 remote diagnosis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明实施例提供了一种自动导引车电池的诊断方法、装置、计算机可读存储介质及电子设备,涉及计算机技术领域。所述诊断方法包括:获取所述自动导引车电池的历史采样数据;根据所述历史采样数据获取所述自动导引车电池在充电阶段的SOC、电压、电流;根据所述充电阶段的所述SOC、所述电压获取所述自动导引车电池在充电阶段的充电数据变化率;根据所述充电数据变化率、所述电流和设定的标准变化率确定所述自动导引车电池的健康度。本发明实施例的技术方案可以不必移动自动导引车,不必拆卸电池即可以诊断电池状态,简单方便。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种自动导引车电池的诊断方法、装置、计算机可读存储介质及电子设备。
背景技术
在仓库内运行的AGV(Automated Guided Vehicle,自动导引车)装备有电磁或光学等自动导引装置,能够沿规定的导引路径行驶,具有安全保护功能以及各种移载功能。
自动导引车电池出现问题时,需要将单台车辆停止作业,并移动到检修位对电池进行检查和诊断,甚至需要将电池拆卸返厂做进一步检查,工序比较繁琐。
此外,对自动导引车电池进行检查时,每次只能检查和诊断一台自动导引车,工作效率低。
如何提高对自动导引车电池进行诊断的工作效率,是目前亟需解决的问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种自动导引车电池的诊断方法、装置、计算机可读存储介质及电子设备,进而至少在一定程度上简单方便地对自动导引车电池进行诊断。
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面,提供一种自动导引车电池的诊断方法,所述诊断方法包括:获取所述自动导引车电池的历史采样数据;根据所述历史采样数据获取所述自动导引车电池在充电阶段的荷电状态SOC、电压、电流;根据所述充电阶段的所述SOC、所述电压获取所述自动导引车电池在充电阶段的充电数据变化率;根据所述充电数据变化率、所述电流和设定的标准变化率确定所述自动导引车电池的健康度。
在一些实施例中,获取所述自动导引车电池的历史采样数据,包括:通过自动导引车控制台或者日志服务器获取所述自动导引车电池的第一数据格式的历史采样数据;将所述历史采样数据的数据格式转换为第二数据格式。
在一些实施例中,根据所述历史采样数据获取所述自动导引车电池在充电阶段的荷电状态SOC、电压、电流,包括:根据所述SOC的变化情况确定所述自动导引车电池的充电阶段。
在一些实施例中,所述根据所述SOC的变化情况确定所述自动导引车电池的充电阶段,包括:从头遍历全部的所述历史采样数据,寻找所述SOC开始增长的第一点;设定一个N分钟的滑动时间窗口,将所述滑动时间窗口的始端设置于所述第一点;若在整个所述滑动时间窗口内,SOC持续增长,则确定当前滑动时间窗口对应的时间段为所述自动导引车电池的充电阶段;若在整个所述滑动时间窗口内,SOC出现下降,则从下降点开始在所述历史采样数据中寻找所述SOC开始增长的第二点,并根据所述第二点设置一个N分钟的滑动时间窗口以确定所述自动导引车电池的充电阶段;若遍历完全部的所述历史采样数据仍未确定所述自动导引车电池的充电阶段,则重新采集历史采样数据。
在一些实施例中,获取所述自动导引车电池的历史采样数据之后,所述诊断方法还包括:根据所述历史采样数据,利用趋势控件绘制所述历史采样数据对应的曲线图并展示。
在一些实施例中,所述诊断方法还包括:计算所述自动导引车电池在不同的时间阶段的健康度;将所述不同的时间阶段的健康度记录到数据库,并且生成报表。
在一些实施例中,根据所述充电数据变化率、所述电流和设定的标准变化率确定所述自动导引车电池的健康度之后,所述诊断方法还包括:根据所述自动导引车电池的健康度生成所述自动导引车电池的使用和维护策略。
根据本发明实施例的第二方面,提供了一种自动导引车电池的诊断装置,所述诊断装置包括:采样数据获取单元,用于获取所述自动导引车电池的历史采样数据;充电数据获取单元,用于根据所述历史采样数据获取所述自动导引车电池在充电阶段的荷电状态SOC、电压、电流;充电数据变化率获取单元,用于根据所述充电阶段的所述SOC、所述电压获取所述自动导引车电池在充电阶段的充电数据变化率;确定单元,用于根据所述充电数据变化率、所述电流和设定的标准变化率确定所述自动导引车电池的健康度。
根据本发明实施例的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中第一方面所述的自动导引车电池的诊断方法。
根据本发明实施例的第四方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中第一方面所述的自动导引车电池的诊断方法。
本发明实施例提供的技术方案可以包括以下有益效果:
在本发明的一些实施例所提供的技术方案中,通过自动导引车电池的历史采样数据进行分析,获得充电数据变化率并根据充电数据变化率确定自动导引车电池的健康度,可以不必移动自动导引车,不必拆卸电池即可以诊断电池状态,简单方便。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出了根据本发明一种实施例的自动导引车电池的诊断方法的流程图;
图2示意性示出了根据本发明一种实施例的电池数据趋势的示意图;
图3示意性示出了根据本发明一种实施例的电池健康度列表的示意图;
图4示意性示出了根据本发明一种实施例的电池健康度报告的示意图;
图5示意性示出了根据本发明一种实施例的自动导引车电池的诊断装置的方框图;
图6示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示意性示出了本发明的示例性实施方式的自动导引车电池的诊断方法。本发明实施例提供的方法可以由任意具备计算机处理能力的电子设备执行,例如终端设备和/或服务器。参考图1,该自动导引车电池的诊断方法可以包括以下步骤:
步骤S102,获取自动导引车电池的历史采样数据。
步骤S104,根据历史采样数据获取自动导引车电池在充电阶段的SOC、电压、电流。
步骤S106,根据充电阶段的SOC、电压获取自动导引车电池在充电阶段的充电数据变化率。
步骤S108,根据充电数据变化率、电流和设定的标准变化率确定自动导引车电池的健康度。
采用本发明实施例的技术方案,通过分析自动导引车电池的历史采样数据得到自动导引车电池的健康度,可以实现远程诊断,自动导引车不需要中断作业并移动到特定工位即可完成诊断,同时,还可以实现集群诊断,一次诊断仓库内全部自动导引车电池。
自动导引车电池的历史采样数据是诊断的依据,在步骤S102中,可以通过自动导引车控制台或者日志服务器获取自动导引车电池的第一数据格式的历史采样数据,并将历史采样数据的数据格式转换为第二数据格式。
这里,历史采样数据包括日期、时间、SOC、电流、电压、温度等数据。第一数据格式可以为CVS格式,通过C脚本可以实现CSV(Comma-Separated Values,字符分隔值)文件的读取,即可以完成从CVS格式到系统兼容的第二数据格式的转换。具体读取流程包括:用fopen()函数打开文件,用fgets()读取历史采样数据中的每条记录,读取完成后,用fclose()关闭文件。
在获取历史采样数据后,即可进行自动导引车电池的健康度诊断。在本发明实施例的一种历史采样数据中,记录了自动导引车电池的SOC,电压,电流和每一次采样的采样时间,其数据的采样间隔为44s。
通过计算自动导引车电池在充电阶段的SOC(State of Charge,荷电状态)变化率和电压变化率,并将其与标准变化率进行对比,即可以确定自动导引车电池的健康度。
在步骤S104中,在计算SOC和电压变化率之前,需要根据SOC的变化情况确定自动导引车电池的充电阶段。其具体确定过程为:
从头遍历全部的历史采样数据,寻找SOC开始增长的第一点Ps1;设定一个N分钟的滑动时间窗口,将滑动时间窗口的始端设置于第一点Ps1;若在整个滑动时间窗口内,SOC持续增长,则确定当前滑动时间窗口对应的时间段为自动导引车电池的充电阶段。
若在整个滑动时间窗口内,SOC出现下降,则从下降点开始在历史采样数据中寻找SOC开始增长的第二点Ps2,并根据第二点Ps2设置一个N分钟的滑动时间窗口以确定自动导引车电池的充电阶段。
根据第二点Ps2设置一个N分钟的滑动时间窗口以确定自动导引车电池的充电阶段的过程与根据第一点Ps1确定自动导引车电池的充电阶段的过程类似。具体为:将滑动时间窗口的始端设置于第二点Ps2;若在整个滑动时间窗口内,SOC持续增长,则确定当前滑动时间窗口对应的时间段为自动导引车电池的充电阶段。
若遍历完全部的历史采样数据仍未确定自动导引车电池的充电阶段,则重新采集历史采样数据。具体地,无论以SOC哪一个开始增长的点作为滑动时间窗口的始端时,滑动时间窗口内均会出现SOC下降的情况时,则不能确定自动导引车电池的充电阶段,需要重新采集历史采样数据。
自动导引车电池在充电阶段的充电数据变化率包括该充电阶段的SOC变化率和电压变化率。
在步骤S106中,在确定自动导引车电池的充电阶段后,以当前滑动时间窗口对应的时间段即确定的当前充电阶段内的SOC、电压和电流作为计算依据,计算该充电阶段的SOC变化率和电压变化率。
具体地,在这个时长为N分钟的充电阶段内,分别以SOC和电压作为纵坐标,时间作为横坐标,通过最小二乘拟合出SOC直线的斜率Ss和电压直线的斜率Sv,并计算N分钟内的平均充电电流Aa。
这里,SOC直线的斜率Ss和电压直线的斜率Sv即为上述SOC变化率和电压变化率。
在不同的充电电流下,电池的SOC直线的斜率Ss和电压直线的斜率Sv是不同的,充电电流越大,Ss、Sv越大,反之越小。
计算关系如下:
Ss′=Aa*Ss25/25,Sv′=Aa*Sv25/25。
其中,Ss25和Sv25为电池厂商提供的在25安培的充电电流下SOC的标准斜率和电压的标准斜率,斜率即标准变化率。计算结果Ss′和Sv′对应不同充电电流下SOC和电压的标准斜率,即SOC和电压的标准变化率。
在步骤S108中,在获得SOC直线的斜率Ss和电压直线的斜率Sv、平均电流Aa和SOC和电压的标准斜率Ss′和Sv′后,即可以计算该电池的健康度。
计算公式如下:
H=(1–((|Ss-Ss′|/Ss′)*50%+(|Sv-Sv′|/Sv′)*50%))*100
计算结果H%为该电池的健康度,以百分比表示。
通过该计算公式,可以实现电池在充电阶段的SOC斜率与SOC的标准斜率对比,将电池在充电阶段的电压斜率与电压的标准斜率对比,并将对比结果加权后参与到健康度的计算中,得到的健康度数据则可以反映出自动导引车电池在充电阶段的SOC变化率和电压变化率是否正常。
H%将电池健康度可以划分为不同等级,有高中低三个等级,高等级的健康度的范围为:H%>80%,中等级的健康度的范围为:80%>=H%>60%,低等级的健康度的范围为:60%>=H%。
历史采样数据还包括还自动导引车电池的温度数据,但是该温度数据只作为一个参考信息,并不参与自动导引车电池的健康度的计算。
在步骤S102中获取自动导引车电池的历史采样数据之后,诊断方法还包括:根据历史采样数据,利用趋势控件绘制历史采样数据对应的曲线图并展示。
具体地,自动导引车电池的历史采样数据的CSV文件被导入后,利用趋势控件可以绘制对应数据的如图2所示的曲线图。
CSV数据点的插入可以通过C脚本实现,具体的步骤如下:
打开CSV文件并读取每一条数据记录;用sscanf()函数从每条记录中提取时间和日期;用字符串转数字函数atof()和atoi()从每条记录中提取SOC、电压、电流和温度等数据;调用变量记录的插入函数TLGInsertArchivData()将此条记录的内容插入到对应时间轴的曲线中。
此外,在本发明实施例中,诊断方法还包括:计算自动导引车电池在不同的时间阶段的健康度;将不同的时间阶段的健康度记录到数据库,并且生成报表。
自动导引车电池数据被批量导入后,可以批量计算自动导引车电池的健康度,同时将这些数据记录到数据库归档,并且可以生成报表打印。这样,可以为每个AGV建立独立的健康档案和报告,并将其历史数据存储在数据库中。
如图3所示,报表可以利用WinCC(Windows Control Center,视窗控制中心)报表设计器生成,内容包括表头,表格正文,时间日期,页码等信息。打印的报表效果如图4所示。
根据充电数据变化率、电流和设定的标准变化率确定自动导引车电池的健康度之后,诊断方法还包括:根据自动导引车电池的健康度生成自动导引车电池的使用和维护策略。
具体地,对于不同的健康度,自动导引车电池的使用和维护策略也不同。对于健康度较高的自动导引车电池来说,电池状态良好,可以继续使用。对于健康度中等的自动导引车电池来说,电池状态欠佳,但仍可以继续使用,有条件可做进一步检测。对于健康度较低的自动导引车电池来说,电池状态较差,可能会影响AGV电机的峰值速率和扭矩,建议立即检测。
在本发明的实施例的技术方案,可以远程获取自动导引车电池的历史数据、将电池数据曲线显示、进行电池健康度计算、进行电池档案维护和报表生成。
本发明可以为自动导引车电池维护提供快速诊断工具,同时有助于为仓储自动导引车维护和检修提供合理规划,优化电池备件库存。
在本发明的实施例所提供的自动导引车电池的诊断方法中,通过自动导引车电池的历史采样数据进行分析,获得充电数据变化率并根据充电数据变化率确定自动导引车电池的健康度,可以不必移动自动导引车,不必拆卸电池即可以诊断电池状态,简单方便。
以下介绍本发明的装置实施例,可以用于执行本发明上述的自动导引车电池的诊断方法。参考图5,本发明装置实施例提供的自动导引车电池的诊断装置500包括:
采样数据获取单元502,用于获取自动导引车电池的历史采样数据。
充电数据获取单元504,用于根据历史采样数据获取自动导引车电池在充电阶段的SOC、电压、电流。
充电数据变化率获取单元506,用于根据充电阶段的SOC、电压获取自动导引车电池在充电阶段的充电数据变化率。
确定单元508,用于根据充电数据变化率、电流和设定的标准变化率确定自动导引车电池的健康度。
采用本发明实施例的技术方案,通过分析自动导引车电池的历史采样数据得到自动导引车电池的健康度,可以实现远程诊断,自动导引车不需要中断作业并移动到特定工位即可完成诊断,同时,还可以实现集群诊断,一次诊断仓库内全部自动导引车电池。
自动导引车电池的历史采样数据是诊断的依据,采样数据获取单元502可以通过自动导引车控制台或者日志服务器获取自动导引车电池的第一数据格式的历史采样数据,并将历史采样数据的数据格式转换为第二数据格式。
这里,历史采样数据包括日期、时间、SOC、电流、电压、温度等数据。第一数据格式可以为CVS格式,通过C脚本可以实现CSV(Comma-Separated Values,字符分隔值)文件的读取,即可以完成从CVS格式到系统兼容的第二数据格式的转换。
通过计算自动导引车电池在充电阶段的SOC变化率和电压变化率,并将其与标准变化率进行对比,即可以确定自动导引车电池的健康度。
在充电数据获取单元504计算SOC和电压变化率之前,需要根据SOC的变化情况确定自动导引车电池的充电阶段。其具体确定过程为:
从头遍历全部的历史采样数据,寻找SOC开始增长的第一点Ps1;设定一个N分钟的滑动时间窗口,将滑动时间窗口的始端设置于第一点Ps1;若在整个滑动时间窗口内,SOC持续增长,则确定当前滑动时间窗口对应的时间段为自动导引车电池的充电阶段。
若在整个滑动时间窗口内,SOC出现下降,则从下降点开始在历史采样数据中寻找SOC开始增长的第二点Ps2,并根据第二点Ps2设置一个N分钟的滑动时间窗口以确定自动导引车电池的充电阶段。
若遍历完全部的历史采样数据仍未确定自动导引车电池的充电阶段,则重新采集历史采样数据。
自动导引车电池在充电阶段的充电数据变化率包括该充电阶段的SOC变化率和电压变化率。
在确定自动导引车电池的充电阶段后,充电数据变化率获取单元506以当前滑动时间窗口对应的时间段即确定的当前充电阶段内的SOC、电压和电流作为计算依据,计算该充电阶段的SOC变化率和电压变化率。
具体地,在这个时长为N分钟的充电阶段内,分别以SOC和电压作为纵坐标,时间作为横坐标,通过最小二乘拟合出SOC直线的斜率Ss和电压直线的斜率Sv,并计算N分钟内的平均充电电流Aa。
这里,SOC直线的斜率Ss和电压直线的斜率Sv即为上述SOC变化率和电压变化率。
在不同的充电电流下,电池的SOC直线的斜率Ss和电压直线的斜率Sv是不同的,充电电流越大,Ss、Sv越大,反之越小。
计算关系如下:
Ss′=Aa*Ss25/25,Sv′=Aa*Sv25/25。
其中,Ss25和Sv25为电池厂商提供的在25安培的充电电流下SOC的标准斜率和电压的标准斜率,斜率即标准变化率。计算结果Ss′和Sv′对应不同充电电流下SOC和电压的标准斜率,即SOC和电压的标准变化率。
确定单元508在获得SOC直线的斜率Ss和电压直线的斜率Sv、平均电流Aa和SOC和电压的标准斜率Ss′和Sv′后,即可以计算该电池的健康度。
计算公式如下:
H=(1–((|Ss-Ss′|/Ss′)*50%+(|Sv-Sv′|/Sv′)*50%))*100
计算结果H%为该电池的健康度,以百分比表示。
通过该计算公式,可以实现电池在充电阶段的SOC斜率与SOC的标准斜率对比,将电池在充电阶段的电压斜率与电压的标准斜率对比,并将对比结果加权后参与到健康度的计算中,得到的健康度数据则可以反映出自动导引车电池在充电阶段的SOC变化率和电压变化率是否正常。
在采样数据获取单元502获取自动导引车电池的历史采样数据之后,诊断装置还可以根据历史采样数据,利用趋势控件绘制历史采样数据对应的曲线图并展示。
此外,在本发明实施例中,诊断装置还可以计算自动导引车电池在不同的时间阶段的健康度;将不同的时间阶段的健康度记录到数据库,并且生成报表。
自动导引车电池数据被批量导入后,可以批量计算自动导引车电池的健康度,同时将这些数据记录到数据库归档,并且可以生成报表打印。这样,可以为每个AGV建立独立的健康档案和报告,并将其历史数据存储在数据库中。
根据充电数据变化率、电流和设定的标准变化率确定自动导引车电池的健康度之后,诊断装置还可以:根据自动导引车电池的健康度生成自动导引车电池的使用和维护策略。
由于本发明的示例实施例的自动导引车电池的诊断装置的各个功能模块与上述自动导引车电池的诊断方法的示例实施例的步骤对应,因此对于本发明装置实施例中未披露的细节,请参照本发明上述的自动导引车电池的诊断方法的实施例。
在本发明的实施例所提供的自动导引车电池的诊断装置中,通过自动导引车电池的历史采样数据进行分析,获得充电数据变化率并根据充电数据变化率确定自动导引车电池的健康度,可以不必移动自动导引车,不必拆卸电池即可以诊断电池状态,简单方便。
下面参考图6,其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备的计算机系统600仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统操作所需的各种程序和数据。CPU601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者发送用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质发送,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如上述实施例中所述的自动导引车电池的诊断方法。
例如,所述的电子设备可以实现如图1中所示的:步骤S102,获取自动导引车电池的历史采样数据;步骤S104,根据历史采样数据获取自动导引车电池在充电阶段的SOC、电压、电流;步骤S106,根据充电阶段的SOC、电压获取自动导引车电池在充电阶段的充电数据变化率;步骤S108,根据充电数据变化率、电流和设定的标准变化率确定自动导引车电池的健康度。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种自动导引车电池的诊断方法,其特征在于,所述诊断方法包括:
获取所述自动导引车电池的历史采样数据;
根据所述历史采样数据获取所述自动导引车电池在充电阶段的荷电状态SOC、电压、电流;
根据所述充电阶段的所述SOC、所述电压获取所述自动导引车电池在充电阶段的充电数据变化率;
根据所述充电数据变化率、所述电流和设定的标准变化率确定所述自动导引车电池的健康度。
2.根据权利要求1所述的诊断方法,其特征在于,获取所述自动导引车电池的历史采样数据,包括:
通过自动导引车控制台或者日志服务器获取所述自动导引车电池的第一数据格式的历史采样数据;
将所述历史采样数据的数据格式转换为第二数据格式。
3.根据权利要求1所述的诊断方法,其特征在于,根据所述历史采样数据获取所述自动导引车电池在充电阶段的荷电状态SOC、电压、电流,包括:
根据所述SOC的变化情况确定所述自动导引车电池的充电阶段。
4.根据权利要求3所述的诊断方法,其特征在于,所述根据所述SOC的变化情况确定所述自动导引车电池的充电阶段,包括:
从头遍历全部的所述历史采样数据,寻找所述SOC开始增长的第一点;
设定一个N分钟的滑动时间窗口,将所述滑动时间窗口的始端设置于所述第一点;
若在整个所述滑动时间窗口内,SOC持续增长,则确定当前滑动时间窗口对应的时间段为所述自动导引车电池的充电阶段;
若在整个所述滑动时间窗口内,SOC出现下降,则从下降点开始在所述历史采样数据中寻找所述SOC开始增长的第二点,并根据所述第二点设置一个N分钟的滑动时间窗口以确定所述自动导引车电池的充电阶段;
若遍历完全部的所述历史采样数据仍未确定所述自动导引车电池的充电阶段,则重新采集历史采样数据。
5.根据权利要求1所述的诊断方法,其特征在于,获取所述自动导引车电池的历史采样数据之后,所述诊断方法还包括:根据所述历史采样数据,利用趋势控件绘制所述历史采样数据对应的曲线图并展示。
6.根据权利要求1所述的诊断方法,其特征在于,所述诊断方法还包括:计算所述自动导引车电池在不同的时间阶段的健康度;
将所述不同的时间阶段的健康度记录到数据库,并且生成报表。
7.根据权利要求1所述的诊断方法,其特征在于,根据所述充电数据变化率、所述电流和设定的标准变化率确定所述自动导引车电池的健康度之后,所述诊断方法还包括:根据所述自动导引车电池的健康度生成所述自动导引车电池的使用和维护策略。
8.一种自动导引车电池的诊断装置,其特征在于,所述诊断装置包括:
采样数据获取单元,用于获取所述自动导引车电池的历史采样数据;
充电数据获取单元,用于根据所述历史采样数据获取所述自动导引车电池在充电阶段的荷电状态SOC、电压、电流;
充电数据变化率获取单元,用于根据所述充电阶段的所述SOC、所述电压获取所述自动导引车电池在充电阶段的充电数据变化率;
确定单元,用于根据所述充电数据变化率、所述电流和设定的标准变化率确定所述自动导引车电池的健康度。
9.一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,所述程序被处理器执行时实现如权利要求1至7中任一项所述的自动导引车电池的诊断方法。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的自动导引车电池的诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010518481.0A CN113777511A (zh) | 2020-06-09 | 2020-06-09 | 自动导引车电池的诊断方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010518481.0A CN113777511A (zh) | 2020-06-09 | 2020-06-09 | 自动导引车电池的诊断方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113777511A true CN113777511A (zh) | 2021-12-10 |
Family
ID=78834421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010518481.0A Pending CN113777511A (zh) | 2020-06-09 | 2020-06-09 | 自动导引车电池的诊断方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777511A (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070252600A1 (en) * | 2006-04-27 | 2007-11-01 | Ablerex Electronics Co., Ltd. | Diagnosis method for state-of-health of batteries |
US20090099799A1 (en) * | 2007-10-10 | 2009-04-16 | Texas Instruments Incorporated | Systems, Methods and Circuits for Determining Micro-Short |
CN102119338A (zh) * | 2008-08-08 | 2011-07-06 | 株式会社Lg化学 | 基于电池电压变化模式估计电池健康状态的方法及装置 |
US20120158330A1 (en) * | 2009-07-17 | 2012-06-21 | Honda Motor Co., Ltd | Monitoring system for lithium ion secondary battery and monitoring method thereof |
CN103001277A (zh) * | 2011-09-09 | 2013-03-27 | 株式会社杰士汤浅国际 | 状态管理装置、蓄电元件的均衡化方法 |
CN103048629A (zh) * | 2013-01-24 | 2013-04-17 | 圣邦微电子(北京)股份有限公司 | 锂电池电量的计量方法和计量装置 |
CN104569827A (zh) * | 2013-10-28 | 2015-04-29 | 现代摩比斯株式会社 | 电池管理系统及其运用方法 |
CN104614679A (zh) * | 2015-01-22 | 2015-05-13 | 哈尔滨龙易电气有限公司 | 一种曲线拟合式蓄电池剩余容量测量方法 |
CN105676134A (zh) * | 2016-01-08 | 2016-06-15 | 中国第一汽车股份有限公司 | 一种车用锂离子动力电池的soh估算方法 |
CN106353687A (zh) * | 2016-08-26 | 2017-01-25 | 中国电力科学研究院 | 一种锂电池健康状态的评估方法 |
CN106842065A (zh) * | 2017-04-10 | 2017-06-13 | 北京新能源汽车股份有限公司 | 一种电池健康状态的获得方法及装置 |
CN107835947A (zh) * | 2015-07-13 | 2018-03-23 | 三菱电机株式会社 | 锂离子电池的充电状态推测方法及锂离子电池的充电状态推测装置 |
CN107861070A (zh) * | 2017-10-25 | 2018-03-30 | 北京交通大学 | 一种锂离子电池健康状态在线诊断方法 |
KR20180066606A (ko) * | 2016-12-09 | 2018-06-19 | 현대자동차주식회사 | 친환경 차량의 배터리 열화 진단 장치 및 방법 |
CN109100655A (zh) * | 2018-06-29 | 2018-12-28 | 深圳市科列技术股份有限公司 | 一种动力电池的数据处理方法和装置 |
CN110549909A (zh) * | 2018-03-30 | 2019-12-10 | 比亚迪股份有限公司 | 动力电池组的soh计算方法、装置和电动汽车 |
-
2020
- 2020-06-09 CN CN202010518481.0A patent/CN113777511A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070252600A1 (en) * | 2006-04-27 | 2007-11-01 | Ablerex Electronics Co., Ltd. | Diagnosis method for state-of-health of batteries |
US20090099799A1 (en) * | 2007-10-10 | 2009-04-16 | Texas Instruments Incorporated | Systems, Methods and Circuits for Determining Micro-Short |
CN102119338A (zh) * | 2008-08-08 | 2011-07-06 | 株式会社Lg化学 | 基于电池电压变化模式估计电池健康状态的方法及装置 |
US20120158330A1 (en) * | 2009-07-17 | 2012-06-21 | Honda Motor Co., Ltd | Monitoring system for lithium ion secondary battery and monitoring method thereof |
CN103001277A (zh) * | 2011-09-09 | 2013-03-27 | 株式会社杰士汤浅国际 | 状态管理装置、蓄电元件的均衡化方法 |
CN103048629A (zh) * | 2013-01-24 | 2013-04-17 | 圣邦微电子(北京)股份有限公司 | 锂电池电量的计量方法和计量装置 |
CN104569827A (zh) * | 2013-10-28 | 2015-04-29 | 现代摩比斯株式会社 | 电池管理系统及其运用方法 |
CN104614679A (zh) * | 2015-01-22 | 2015-05-13 | 哈尔滨龙易电气有限公司 | 一种曲线拟合式蓄电池剩余容量测量方法 |
CN107835947A (zh) * | 2015-07-13 | 2018-03-23 | 三菱电机株式会社 | 锂离子电池的充电状态推测方法及锂离子电池的充电状态推测装置 |
CN105676134A (zh) * | 2016-01-08 | 2016-06-15 | 中国第一汽车股份有限公司 | 一种车用锂离子动力电池的soh估算方法 |
CN106353687A (zh) * | 2016-08-26 | 2017-01-25 | 中国电力科学研究院 | 一种锂电池健康状态的评估方法 |
KR20180066606A (ko) * | 2016-12-09 | 2018-06-19 | 현대자동차주식회사 | 친환경 차량의 배터리 열화 진단 장치 및 방법 |
CN106842065A (zh) * | 2017-04-10 | 2017-06-13 | 北京新能源汽车股份有限公司 | 一种电池健康状态的获得方法及装置 |
CN107861070A (zh) * | 2017-10-25 | 2018-03-30 | 北京交通大学 | 一种锂离子电池健康状态在线诊断方法 |
CN110549909A (zh) * | 2018-03-30 | 2019-12-10 | 比亚迪股份有限公司 | 动力电池组的soh计算方法、装置和电动汽车 |
CN109100655A (zh) * | 2018-06-29 | 2018-12-28 | 深圳市科列技术股份有限公司 | 一种动力电池的数据处理方法和装置 |
Non-Patent Citations (3)
Title |
---|
上海港务局: "蓄电池", 31 March 1984, 人民交通出版社, pages: 121 * |
孙庆;吴战宇;沙树勇;周寿斌;: "充电SOC对磷酸铁锂电池寿命的影响", 中国自行车, no. 11 * |
赵泽昆: "基于 BP 神经网络的储能电池衰减容量预测", 电器与能效管理技术, 15 October 2016 (2016-10-15), pages 69 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112098848B (zh) | 一种电池放电容量预测方法、系统及可读存储介质 | |
US20230029810A1 (en) | Battery model construction method and battery degradation prediction device | |
CN114148216B (zh) | 电池自放电率异常检测方法、系统、设备及存储介质 | |
CN110727437B (zh) | 代码优化项获取方法、装置、存储介质及电子设备 | |
Huang et al. | A comprehensively optimized lithium-ion battery state-of-health estimator based on Local Coulomb Counting Curve | |
CN111426905B (zh) | 一种配电网同母线变关系异常诊断方法、装置及系统 | |
CN111231758B (zh) | 一种电池容量的估算方法、装置、电子设备及介质 | |
CN110058161A (zh) | 一种锂离子电池模型参数的分布式辨识方法及装置 | |
Fang et al. | Estimation of lithium-ion battery soc model based on aga-foukf algorithm | |
He et al. | State of health estimation of lithium-ion battery aging process based on time-frequency fusion characteristics | |
CN111971200A (zh) | 用于确定电池的老化状态的方法、计算机程序、存储装置、控制设备和车辆 | |
CN113777511A (zh) | 自动导引车电池的诊断方法、装置、存储介质及电子设备 | |
CN109522355B (zh) | 数据处理过程的控制方法、装置、介质及电子设备 | |
CN115856695A (zh) | 一种电池健康状态预测方法、装置以及电子设备 | |
CN115825749A (zh) | 一种电池健康状态的预测方法、系统和电子设备 | |
CN115856666A (zh) | 电池工况数据的处理方法、设备及存储介质 | |
CN115963404A (zh) | 一种电池荷电状态预测方法、设备和存储介质 | |
CN115220404A (zh) | 加工设备的智能诊断方法、装置、设备及存储介质 | |
CN113815490A (zh) | 电池健康度的确定方法及系统、电子设备及存储介质 | |
CN115980607A (zh) | 基于增量容量曲线特征点的电池健康状态soh估算方法 | |
CN113395031B (zh) | 一种基于多级模型的复杂系统故障诊断方法和系统 | |
CN115291111B (zh) | 电池静置时间预测模型的训练方法以及静置时间预测方法 | |
CN118625153B (zh) | 一种电化学储能剩余寿命估计方法 | |
CN113657623B (zh) | 电力设备状态诊断效果确定方法、装置、终端及存储介质 | |
CN118821575A (zh) | 失效模式的预测方法、装置、设备及计算机存储介质 |
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 |