CN114200334A - 一种蓄电池预警方法、装置、车辆及介质 - Google Patents
一种蓄电池预警方法、装置、车辆及介质 Download PDFInfo
- Publication number
- CN114200334A CN114200334A CN202111409237.1A CN202111409237A CN114200334A CN 114200334 A CN114200334 A CN 114200334A CN 202111409237 A CN202111409237 A CN 202111409237A CN 114200334 A CN114200334 A CN 114200334A
- Authority
- CN
- China
- Prior art keywords
- battery
- state
- storage battery
- health
- analysis result
- 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 48
- 238000004458 analytical method Methods 0.000 claims abstract description 74
- 230000036541 health Effects 0.000 claims abstract description 65
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 9
- 230000000306 recurrent effect Effects 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010223 real-time analysis Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本申请公开了一种蓄电池预警方法、装置、车辆及介质，其中，所述蓄电池与车辆的多个电力器件连接，所述蓄电池用于给所述多个电力器件供电，蓄电池预警方法包括：获取所述车辆的状态数据；将所述状态数据进行蓄电池监控分析以及蓄电池健康状态分析，获得分析结果。本申请可以解决现有蓄电池监控技术应用在车辆上成本太高的问题。
Description
技术领域
本申请涉及工程车辆技术领域，具体涉及一种蓄电池预警方法、装置、车辆及介质。
背景技术
在工程车辆设备中，蓄电池为车辆机身的电力系统提供电能，车辆设备依靠蓄电池启机工作，一旦蓄电池出现老化或严重亏电现象，车辆的作业情况将受到严重影响。为降低蓄电池老化或亏电带来的影响，目前采用了蓄电池监控技术，对蓄电池进行监控和预警。但现有的蓄电池监控技术需要使用大量的电池传感器，分别测量蓄电池的电压、电流和温度信号等，需要的成本较高。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种蓄电池预警方法、装置、车辆及介质，可以解决现有蓄电池监控技术应用在车辆上成本太高的问题。
根据本申请的一个方面，提供了一种蓄电池预警方法，所述蓄电池与车辆的多个电力器件连接，所述蓄电池用于给所述多个电力器件供电，所述蓄电池预警方法包括：获取所述车辆的状态数据；将所述状态数据进行蓄电池监控分析以及蓄电池健康状态分析，获得分析结果。
在一实施例中，所述状态数据还包括操作状态；其中，所述将所述状态数据进行蓄电池监控分析，获得分析结果包括：对比所述操作状态和预设状态，获得所述分析结果；其中，所述预设状态包括多个预设的造成亏电的操作状态；在所述将所述状态数据进行蓄电池监控分析，获得分析结果之后，所述蓄电池预警方法还包括：当所述分析结果表示所述操作状态与所述预设状态一致时，发出报警信号。
在一实施例中，所述将所述状态数据进行蓄电池监控分析，获得分析结果包括：当所述蓄电池的电压低于预设电压时，确定所述分析结果为所述蓄电池为低压状态；其中，所述蓄电池为低压状态表示所述蓄电池的电压不足以提供动力。
在一实施例中，所述将所述状态数据进行蓄电池健康状态分析，获得分析结果包括：将所述状态数据输入健康模型中，获得所述蓄电池的健康状态；其中，所述健康状态为所述健康模型的分析结果，所述状态数据包括所述蓄电池的电压以及所述多个电力器件的状态，所述多个电力器件的状态包括温度、启闭状态和电流数据。
在一实施例中，在所述将所述状态数据输入健康模型中，获得所述蓄电池的健康状态之前，所述蓄电池预警方法还包括：获取以往的历史健康状态；采集预设时长内的所述历史健康状态对应的历史状态数据作为样本状态数据；将所述样本状态数据输入所述健康模型中，训练所述健康模型。
在一实施例中，所述当所述分析结果表示所述操作状态与所述预设状态一致时，发出报警信号包括：当所述分析结果表示所述操作状态与所述预设状态一致，并且所述操作状态持续时间达到预设时间时，发出报警信号。
在一实施例中，所述蓄电池预警方法还包括：当所述分析结果满足预设条件时，发出提示信号。
根据本申请的另一个方面，提供了一种蓄电池预警装置，所述蓄电池与车辆的多个电力器件连接，所述蓄电池用于给所述多个电力器件供电，包括：获取模块，用于获取所述车辆的状态数据；分析模块，用于将所述状态数据进行蓄电池监控分析以及蓄电池健康状态分析，获得分析结果。
根据本申请的另一个方面，提供了一种车辆，包括：车辆本体；蓄电池预警器，所述蓄电池预警器安装在所述车辆本体内，所述蓄电池预警器用于执行上述任一项实施例所述的蓄电池预警方法。
根据本申请的另一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一实施例所述的蓄电池预警方法。
本申请提供的蓄电池预警方法、装置、车辆及介质，只需要检测蓄电池的电压，通过实时分析和大数据分析即可完成对蓄电池的监控和预警，不需要再安装其他传感器检测蓄电池的其他状态，弥补了现有市场上针对于车辆蓄电池监控和预警系统的空缺，且与现有的蓄电池监控和预警系统相比减少了大量成本，可以解决现有蓄电池监控技术应用在车辆上成本太高的问题。
附图说明
通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1是本申请所适用的场景图。
图2是本申请一示例性实施例提供的蓄电池预警系统的结构示意图。
图3是本申请一示例性实施例提供的蓄电池预警方法的流程示意图。
图4是本申请另一示例性实施例提供的蓄电池预警方法的流程示意图。
图5是本申请另一示例性实施例提供的蓄电池预警方法的流程示意图。
图6是本申请另一示例性实施例提供的蓄电池预警方法的流程示意图。
图7是本申请另一示例性实施例提供的蓄电池预警方法的流程示意图。
图8是本申请一示例性实施例提供的循环神经网络的结构示意图。
图9是本申请一示例性实施例提供的蓄电池预警装置的结构示意图。
图10是本申请另一示例性实施例提供的蓄电池预警装置的结构示意图。
图11是本申请一示例性实施例提供的电子设备的结构图。
附图标记说明：1、起重机；2、车联网；3、蓄电池预警系统；4、短信平台；5、用户；31、数据采集层；32、分析层；33、存储层；34、应用与服务层；10、电子设备；11、处理器；12、存储器；13、输入装置；14、输出装置。
具体实施方式
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
本申请可以应用于起重机蓄电池的健康和预警平台。起重机和其他车相比有其构造独特的地方，起重机分为上车和下车两个部分，下车主要负责行使，上车主要负责吊装，上车和下车使用同一个蓄电池。作为工程机械，起重机的电力系统也与普通车辆不同，起重机有其特有的运动控制器、各种传感器、力限器、显示屏、T-BOX等电力部件，整个电力系统要比普通车辆复杂很多，因此，蓄电池需要承担的工作量也更大更复杂。
示例性系统
本申请可以应用于蓄电池预警系统3中。图1是本申请所适用的场景图，如图1所示，起重机1通过T-BOX将传感器和控制器的数据上传到车联网2的云端，云端对上传的数据进行解析，然后将数据传输到蓄电池预警系统3中，蓄电池预警系统3对蓄电的亏电事件、低电压事件以及健康状态进行分析，通过短信平台4向用户5进行告警，或在起重机1显示屏上显示告警信息，并且会将告警数据用图表的形势在前端进行展示。其中，告警方式除短信通知外，还可以采用邮件、微信、app等方式。
图2是本申请一示例性实施例提供的蓄电池预警系统的结构示意图，如图2所示，蓄电池预警系统3包括数据采集层31、分析层32、存储层33和应用与服务层34。在数据采集层31中，使用kafka(分布式消息系统)集群从车联网2中采集设备数据，在Kafka集群中，没有“中心主节点”的概念，集群中所有的节点都是对等的。在分析层32中，从车联网2中采集到的数据用在两个方面，一个方面是使用flink(开源流处理框架)或spark框架(计算引擎)对亏电事件和低电压事件进行实时分析，另一个方面是使用深度学习算法建立蓄电池健康模型，并且使用该模型对蓄电池的健康状态进行评估。两个方面分析处理得到的结果数据都存入存储层33，也就是mysql数据库中以供后续使用，在结果数据的基础上建立前端的应用与服务层34，例如，进行告警、报表展示、查询和用户管理。
示例性起重机
本申请实施例可以应用于起重机上，该起重机包括：起重机本体；蓄电池预警器，蓄电池预警器安装在起重机本体内，蓄电池预警器用于执行本申请提供的蓄电池预警方法。
示例性方法
图3是本申请一示例性实施例提供的蓄电池预警方法的流程示意图，如图3所示，蓄电池与车辆的多个电力器件连接，蓄电池用于给多个电力器件供电，该蓄电池预警方法包括：
步骤100：获取车辆的状态数据。
状态数据包括蓄电池的电压。
获取车辆的状态数据，可以通过使用车联网技术收集车辆的蓄电池电压数据，然后将蓄电池电压数据上传到蓄电池预警系统。本申请只需要收集蓄电池的电压，就可以对蓄电池的多种状况进行监控和预警，不需要再安装其他传感器收集温度等其他参考数据。本申请区别于现有技术还需要安装多个传感器来采集蓄电池的电流、温度等数据来监控蓄电池，因此，本申请可以减少大量安装传感器的成本。
步骤200：将状态数据进行蓄电池监控分析以及蓄电池健康状态分析，获得分析结果。
对状态数据进行分析，可以采用实时分析电压高低的方式，分析电压是否低于预设电压，也可以采用建立模型的方式，分析蓄电池是否产生不健康的状况，也可以根据状态数据分析亏电事件，监控蓄电池是否产生亏电。
当分析结果出现低于预设电压、亏电或不健康的情况时，向车辆显示屏上或其他移动通讯设备上发出提示信号，以提示车辆操作人员或其他工作人员调整。
本申请提供的蓄电池预警方法，只需要检测蓄电池的电压，通过实时分析和大数据分析即可完成对蓄电池的监控和预警，不需要再安装其他传感器检测蓄电池的其他状态，与现有的蓄电池监控和预警系统相比减少了大量成本，可以解决现有蓄电池监控技术应用在车辆上成本太高的问题。
图4是本申请另一示例性实施例提供的蓄电池预警方法的流程示意图，如图4所示，状态数据还包括操作状态；其中，上述步骤200可以包括：
步骤210：对比操作状态和预设状态，获得分析结果。
其中，预设状态包括多个预设的造成亏电的操作状态。
例如，在车辆的发动机熄火后长时间不关闭显示屏，或者关闭了显示屏但没有拔钥匙，以及类似的操作状态可能会导致亏电事件。因此，预先设定可能出现的亏电事件，并将当前的操作状态与预先设定的状态对比，查看当前的操作状态是否满足预设状态。
其中，在上述步骤210之后，上述蓄电池预警方法可以包括：
步骤300：当分析结果表示操作状态与预设状态一致时，发出报警信号。
当分析结果表示操作状态与预设的造成亏电的操作状态一致时，例如，当前的操作状态为关闭了显示屏但没有拔出钥匙，与预设的造成亏电的操作状态一致，此时需要发出报警信号提示车辆操作人员车辆存在亏电事件，需要及时检查并处理亏电事件。
图5是本申请另一示例性实施例提供的蓄电池预警方法的流程示意图，如图5所示，上述步骤200可以包括：
步骤220：当蓄电池的电压低于预设电压时，确定分析结果为蓄电池为低压状态。
其中，蓄电池为低压状态表示蓄电池的电压不足以提供动力。
蓄电池的电压在正常情况时会保持在一个固定的范围，当蓄电池的电压低于该固定范围的最小值时，可能会因电压过低导致设备无法启动，因此，当蓄电池的电压低于预设电压时，确定蓄电池为低压状态。
当蓄电池为低压状态时，需要及时发出报警信号，提示车辆操作人员蓄电池的电压过低，及时对蓄电池进行检查，以保证车辆可以正常运行。
图6是本申请另一示例性实施例提供的蓄电池预警方法的流程示意图，如图6所示，上述步骤200可以包括：
步骤230：将状态数据输入健康模型中，获得蓄电池的健康状态。
其中，健康状态为健康模型的分析结果，状态数据包括蓄电池的电压以及多个电力器件的状态，多个电力器件的状态包括温度、启闭状态和电流数据。
本申请的健康模型可以采用深度学习算法中的长短期记忆人工神经网络(LSTM)来建立该模型，LSTM时一种用于处理序列数据的神经网络，属于循环神经网络(RecurrentNeural Network，RNN)。原始的RNN在训练中，随着训练时间的加长以及网络层数的增多，很容易出现梯度爆炸或者梯度消失的问题，导致无法处理较长序列数据，从而无法获取长距离数据的信息，但LSTM可以解决长序列训练过程中的梯度消失和梯度爆炸问题，相比普通的RNN，LSTM能够在更长的序列中有更好的表现。因为蓄电池的健康状态需要通过一段时间来确定，因此，LSTM更适合建立健康模型。
其中，此时采集的状态数据除蓄电池的电压外，还包括车辆本身的其他电力器件的状态，例如空调设置的温度、各个灯的开关情况、显示器的电流数据等，通过其他电力器件的状态可以反应出蓄电池的供电状况，还可以包括发动机的转速。
当健康模型输出的分析结果表示蓄电池不健康时，将向车辆显示屏或车辆操作人员发送不健康提示信号，提示车辆操作人员及时对蓄电池进行维修或更换。
图7是本申请另一示例性实施例提供的蓄电池预警方法的流程示意图，如图7所示，在上述步骤230之前，上述蓄电池预警方法还可以包括：
步骤400：获取以往的历史健康状态。
健康模型在训练过程中需要大量的样本，获取以往的历史健康状态，也就是获取以往的健康状态和以往的不健康状态。
步骤500：采集预设时长内的历史健康状态对应的历史状态数据作为样本状态数据。
在预设时长内，分别采集以往的健康状态和以往的不健康状态分别对应的历史状态数据，以一段时间内的历史状态数据作为训练样本。只提取单个时间点的健康状态和状态数据无法确定展示健康状态和状态数据的对应关系，采集一段时间内的数据训练出的模型更加完整。历史状态数据可以包括蓄电池的电压、其他电力器件的状态和发动机转速。
步骤600：将样本状态数据输入健康模型中，训练健康模型。
将样本状态数据输入健康模型中，样本状态数据对应已知的健康状态，此时健康模型的输入为样本状态数据，输出为蓄电池的健康状态，通过长时间的大数据训练来建立一个较为完善的蓄电池健康模型。
在一实施例中，上述步骤300还可以调整为：当分析结果表示操作状态与预设状态一致，并且操作状态持续时间达到预设时间时，发出报警信号。
对蓄电池亏电事件进行实时监控，为提高检测亏电事件的准确性，设置预设时间。只有当操作状态持续时间大于或等于该预设时间时，才确定该操作状态为需要进行报警的状态，发出报警信号提示车辆操作人员车辆存在亏电事件，需要及时检查并处理亏电事件。
在一实施例中，上述蓄电池预警方法还可以包括：
当分析结果满足预设条件时，发出提示信号。
当分析结果出现低于预设电压、亏电或不健康的情况时，向车辆显示屏上或其他移动通讯设备上发出提示信号，以提示车辆操作人员或其他工作人员调整。
在一实施例中，上述蓄电池预警方法还可以包括：当分析结果满足预设条件时，将提示信号发送到移动端；其中，移动端包括用户移动通讯设备。
当分析结果满足预设条件时，提示信号可以通过发送到车辆显示屏的方式提醒车辆操作人员，也可以通过向用户移动通讯设备发送提示信号，例如，通过发送短信、微信、邮件或app的形式，及时提醒车辆操作人员，也可以通过发送到监控人员的电脑端，及时提醒值班的工作人员注意有车辆存在异常，需要及时进行检修。
在一实施例中，上述步骤200还可以调整为：将状态数据输入神经网络模型，获得分析结果。
因健康状态是一个持续的状态，只选取某个时间点来确定蓄电池的健康状态不够准确，存在较大的误差，因此，采用循环神经网络来处理一段时间内的状态数据，能够更准确的判断蓄电池的健康状态。
图8是本申请一示例性实施例提供的循环神经网络的结构示意图，一个典型的循环神经网络如图8所示，其中，Xt代表输入，ht是输出，而A代表从循环中的前一步获得信息的神经网络。h0、h1、h2……ht均代表每个单元的输出，X0、X1、X2……Xt均代表每个单元的输入，一个单元的输出进入下一个单元并且传递信息。最后输出的ht为最终模型输出的蓄电池健康状态。
在一实施例中，健康模型算法还可以采用其他循环神经网络，如GRU算法(GateRecurrent Unit，循环门单元)，隐马尔可夫模型(HMM)。
示例性装置
图9是本申请一示例性实施例提供的蓄电池预警装置的结构示意图，如图9所示，该蓄电池预警装置8包括：获取模块81，用于获取车辆的状态数据；分析模块82，用于将状态数据进行蓄电池监控分析以及蓄电池健康状态分析，获得分析结果。
本申请提供的蓄电池预警装置8，通过获取模块81获取蓄电池的电压，通过分析模块82根据蓄电池的电压，实时分析和大数据分析即可完成对蓄电池的监控和预警，不需要再安装其他传感器检测蓄电池的其他状态，与现有的蓄电池监控和预警系统相比减少了大量成本，可以解决现有蓄电池监控技术应用在车辆上成本太高的问题。
图10是本申请另一示例性实施例提供的蓄电池预警装置的结构示意图，如图10所示，上述分析模块82可以包括：对比单元821，用于对比操作状态和预设状态，获得分析结果；其中，上述蓄电池预警装置8可以包括：提示模块83，用于当分析结果表示操作状态与预设状态一致时，发出报警信号。
在一实施例中，如图10所示，上述分析模块82可以包括：确定单元822，用于当蓄电池的电压低于预设电压时，确定分析结果为蓄电池为低压状态。
在一实施例中，如图10所示，上述分析模块82可以包括：获得单元823，用于将状态数据输入健康模型中，获得蓄电池的健康状态。
在一实施例中，如图10所示，上述蓄电池预警装置8还可以包括：获取状态模块84，用于获取以往的历史健康状态；采集模块85，用于采集预设时长内的历史健康状态对应的历史状态数据作为样本状态数据；训练模块86，用于将样本状态数据输入健康模型中，训练健康模型。
在一实施例中，上述提示模块83还可以进一步配置为：当分析结果表示操作状态与预设状态一致，并且操作状态持续时间达到预设时间时，发出报警信号。
在一实施例中，上述蓄电池预警装置8还可以进一步配置为：当分析结果满足预设条件时，发出提示信号。
在一实施例中，上述分析模块82还可以进一步配置为：将分析状态数据输入神经网络模型，获得分析结果。
示例性电子设备
下面，参考图11来描述根据本申请实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。
图11图示了根据本申请实施例的电子设备的框图。
如图11所示，电子设备10包括一个或多个处理器11和存储器12。
处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。
存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本申请的各个实施例的蓄电池预警方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
在该电子设备是单机设备时，该输入装置13可以是通信网络连接器，用于从第一设备和第二设备接收所采集的输入信号。
此外，该输入装置13还可以包括例如键盘、鼠标等等。
该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然，为了简化，图11中仅示出了该电子设备10中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种蓄电池预警方法，所述蓄电池与车辆的多个电力器件连接，所述蓄电池用于给所述多个电力器件供电，其特征在于，包括：
获取所述车辆的状态数据；所述状态数据包括所述蓄电池的电压；
将所述状态数据进行蓄电池监控分析以及蓄电池健康状态分析，获得分析结果。
2.根据权利要求1所述的蓄电池预警方法，其特征在于，所述状态数据还包括操作状态；
其中，所述将所述状态数据进行蓄电池监控分析，获得分析结果包括：
对比所述操作状态和预设状态，获得所述分析结果；其中，所述预设状态包括多个预设的造成亏电的操作状态；
在所述将所述状态数据进行蓄电池监控分析，获得分析结果之后，还包括：
当所述分析结果表示所述操作状态与所述预设状态一致时，发出报警信号。
3.根据权利要求1所述的蓄电池预警方法，其特征在于，所述将所述状态数据进行蓄电池监控分析，获得分析结果还包括：
当所述蓄电池的电压低于预设电压时，确定所述分析结果为所述蓄电池为低压状态；其中，所述蓄电池为低压状态表示所述蓄电池的电压不足以提供动力。
4.根据权利要求1所述的蓄电池预警方法，其特征在于，所述将所述状态数据进行蓄电池健康状态分析，获得分析结果包括：
将所述状态数据输入健康模型中，获得所述蓄电池的健康状态；其中，所述健康状态为所述健康模型的分析结果，所述状态数据包括所述蓄电池的电压以及所述多个电力器件的状态，所述多个电力器件的状态包括温度、启闭状态和电流数据。
5.根据权利要求4所述的蓄电池预警方法，其特征在于，在所述将所述状态数据输入健康模型中，获得所述蓄电池的健康状态之前，还包括：
获取以往的历史健康状态；
采集预设时长内的所述历史健康状态对应的历史状态数据作为样本状态数据；
将所述样本状态数据输入所述健康模型中，训练所述健康模型。
6.根据权利要求2所述的蓄电池预警方法，其特征在于，所述当所述分析结果表示所述操作状态与所述预设状态一致时，发出报警信号包括：
当所述分析结果表示所述操作状态与所述预设状态一致，并且所述操作状态持续时间达到预设时间时，发出报警信号。
7.根据权利要求1所述的蓄电池预警方法，其特征在于，还包括：
当所述分析结果满足预设条件时，发出提示信号。
8.一种蓄电池预警装置，所述蓄电池与车辆的多个电力器件连接，所述蓄电池用于给所述多个电力器件供电，其特征在于，包括：
获取模块，用于获取所述车辆的状态数据；
分析模块，用于将所述状态数据进行蓄电池监控分析以及蓄电池健康状态分析，获得分析结果。
9.一种车辆，其特征在于，包括：
车辆本体；
蓄电池预警器，所述蓄电池预警器安装在所述车辆本体内，所述蓄电池预警器用于执行上述权利要求1-7中任一项所述的蓄电池预警方法。
10.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-7任一所述的蓄电池预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111409237.1A CN114200334A (zh) | 2021-11-24 | 2021-11-24 | 一种蓄电池预警方法、装置、车辆及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111409237.1A CN114200334A (zh) | 2021-11-24 | 2021-11-24 | 一种蓄电池预警方法、装置、车辆及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114200334A true CN114200334A (zh) | 2022-03-18 |
Family
ID=80648933
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111409237.1A Pending CN114200334A (zh) | 2021-11-24 | 2021-11-24 | 一种蓄电池预警方法、装置、车辆及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114200334A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117783731A (zh) * | 2023-12-25 | 2024-03-29 | 托马斯(杭州)汽车科技服务有限公司 | 商用车供用电系统健康状态监测方法、装置及终端 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104076292A (zh) * | 2014-06-16 | 2014-10-01 | 三一汽车起重机械有限公司 | 工程车辆的电源监控方法和系统 |
| CN206834730U (zh) * | 2017-06-30 | 2018-01-02 | 山东云舜智能科技有限公司 | 电力机车蓄电池亏电保护装置 |
| CN107579299A (zh) * | 2017-09-08 | 2018-01-12 | 慧翰微电子股份有限公司 | 一种基于软件的远程电池管理方法 |
| CN109204338A (zh) * | 2018-09-17 | 2019-01-15 | 武汉新时代铁路电气有限责任公司 | 一种轨道车辆蓄电池智能充电装置 |
| CN109849677A (zh) * | 2019-04-15 | 2019-06-07 | 上汽大众汽车有限公司 | 自动驾驶汽车能源管理与低电量提示系统及其方法 |
| CN110341549A (zh) * | 2019-08-06 | 2019-10-18 | 奇瑞汽车股份有限公司 | 汽车蓄电池的监控方法、装置及存储介质 |
| US20200081070A1 (en) * | 2017-11-20 | 2020-03-12 | The Trustees Of Columbia University In The City Of New York | Neural-network state-of-charge and state of health estimation |
| CN112381316A (zh) * | 2020-11-26 | 2021-02-19 | 华侨大学 | 一种基于混合神经网络模型的机电设备健康状态预测方法 |
| CN112776744A (zh) * | 2021-01-26 | 2021-05-11 | 上汽通用五菱汽车股份有限公司 | 车辆、车辆亏电检测方法和计算机可读存储介质 |
| CN113189495A (zh) * | 2021-04-30 | 2021-07-30 | 重庆金康新能源汽车有限公司 | 一种电池健康状态的预测方法、装置及电子设备 |
| CN113391209A (zh) * | 2021-05-26 | 2021-09-14 | 江苏小牛电动科技有限公司 | 电池健康状态的预测方法、装置、系统和电池 |
-
2021
- 2021-11-24 CN CN202111409237.1A patent/CN114200334A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104076292A (zh) * | 2014-06-16 | 2014-10-01 | 三一汽车起重机械有限公司 | 工程车辆的电源监控方法和系统 |
| CN206834730U (zh) * | 2017-06-30 | 2018-01-02 | 山东云舜智能科技有限公司 | 电力机车蓄电池亏电保护装置 |
| CN107579299A (zh) * | 2017-09-08 | 2018-01-12 | 慧翰微电子股份有限公司 | 一种基于软件的远程电池管理方法 |
| US20200081070A1 (en) * | 2017-11-20 | 2020-03-12 | The Trustees Of Columbia University In The City Of New York | Neural-network state-of-charge and state of health estimation |
| CN109204338A (zh) * | 2018-09-17 | 2019-01-15 | 武汉新时代铁路电气有限责任公司 | 一种轨道车辆蓄电池智能充电装置 |
| CN109849677A (zh) * | 2019-04-15 | 2019-06-07 | 上汽大众汽车有限公司 | 自动驾驶汽车能源管理与低电量提示系统及其方法 |
| CN110341549A (zh) * | 2019-08-06 | 2019-10-18 | 奇瑞汽车股份有限公司 | 汽车蓄电池的监控方法、装置及存储介质 |
| CN112381316A (zh) * | 2020-11-26 | 2021-02-19 | 华侨大学 | 一种基于混合神经网络模型的机电设备健康状态预测方法 |
| CN112776744A (zh) * | 2021-01-26 | 2021-05-11 | 上汽通用五菱汽车股份有限公司 | 车辆、车辆亏电检测方法和计算机可读存储介质 |
| CN113189495A (zh) * | 2021-04-30 | 2021-07-30 | 重庆金康新能源汽车有限公司 | 一种电池健康状态的预测方法、装置及电子设备 |
| CN113391209A (zh) * | 2021-05-26 | 2021-09-14 | 江苏小牛电动科技有限公司 | 电池健康状态的预测方法、装置、系统和电池 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117783731A (zh) * | 2023-12-25 | 2024-03-29 | 托马斯(杭州)汽车科技服务有限公司 | 商用车供用电系统健康状态监测方法、装置及终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110647133B (zh) | 轨道交通设备状态检测维护方法及系统 | |
| CN109001649B (zh) | 一种电源智能诊断系统及保护方法 | |
| CN109144014B (zh) | 工业设备运行状况的检测系统及方法 | |
| CN111241154B (zh) | 一种基于大数据的蓄电池故障预警方法及系统 | |
| CN111650917B (zh) | 一种设备的多维度状态在线监测方法及系统 | |
| CN113761728B (zh) | 基于车联网平台的机场电动特种车辆故障预警方法 | |
| CN107845159B (zh) | 一种自动驾驶车辆测评系统运行监测系统 | |
| KR102427205B1 (ko) | 인공지능 모델을 위한 학습 데이터 생성 장치 및 방법 | |
| CN101720453A (zh) | 利用时序信号处理进行电池组件预测维护的系统和方法 | |
| CN112556829A (zh) | 一种设备振动采集监测系统和方法 | |
| CN114244866A (zh) | 一种基于物联网的生产设备监管系统 | |
| CN112668873A (zh) | 矿山安全态势分析及预测预警方法 | |
| CN113177646A (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及系统 | |
| CN114200334A (zh) | 一种蓄电池预警方法、装置、车辆及介质 | |
| CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及系统 | |
| CN116008820B (zh) | 针对车辆电池单体不一致性的检测方法、设备和介质 | |
| US20220153141A1 (en) | Method for ascertaining a state of an electric drive of a means of transportation | |
| CN114165430B (zh) | 基于边缘计算的机泵健康监测方法、系统、设备及介质 | |
| CN113800352B (zh) | 一种电梯制动力矩检测方法及装置 | |
| CN107327334B (zh) | 一种汽车尾气排放故障诊断系统 | |
| CN114858480A (zh) | 应用于车辆中的部件故障预警方法、装置、设备及介质 | |
| CN110411686A (zh) | 桥梁静动影像全息性态健康监测诊断方法及系统 | |
| KR102470520B1 (ko) | 국제표준(sae j1739) 기반의 잠재적 고장 영향 분석 방법 | |
| CN114091730A (zh) | 车辆状态监测方法、系统、电子设备和存储介质 | |
| WO2021042233A1 (en) | Remote diagnosis system, apparatus and method for power tool |
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 |