CN116338454A - 一种新能源汽车的电性能检测方法及装置 - Google Patents
一种新能源汽车的电性能检测方法及装置 Download PDFInfo
- Publication number
- CN116338454A CN116338454A CN202310615836.1A CN202310615836A CN116338454A CN 116338454 A CN116338454 A CN 116338454A CN 202310615836 A CN202310615836 A CN 202310615836A CN 116338454 A CN116338454 A CN 116338454A
- Authority
- CN
- China
- Prior art keywords
- data
- motor
- parameter
- controller
- performance
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 212
- 238000011156 evaluation Methods 0.000 claims abstract description 159
- 238000000034 method Methods 0.000 claims abstract description 38
- 239000013598 vector Substances 0.000 claims description 159
- 230000004927 fusion Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000003381 stabilizer Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance 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
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G01R31/34—Testing dynamo-electric machines
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
- G01R31/007—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks using microprocessors or computers
-
- 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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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
- G01R31/40—Testing power supplies
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明涉及人工智能领域,公开了一种新能源汽车的电性能检测方法及装置,用于提高新能源汽车的电性能检测准确率。所述方法包括:获取新能源汽车的实时运行数据,并对电池组参数数据进行电池组性能分析,得到电池组性能评价指标;对电机参数数据进行电机性能分析,得到电机性能评价指标;对控制器参数数据进行控制器性能分析,得到控制器性能评价指标;对电源系统参数数据进行电源系统性能分析,得到电源系统性能评价指标;根据电池组性能评价指标、电机性能评价指标、控制器性能评价指标以及电源系统性能评价指标,生成新能源汽车的目标电性能检测结果。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种新能源汽车的电性能检测方法及装置。
背景技术
随着新能源汽车的发展,新能源汽车的电性能检测已经成为新能源汽车行业的重要研究课题。新能源汽车的电性能检测是检测新能源汽车的电子系统性能的重要手段,可以有效提高新能源汽车的性能,提高新能源汽车的可靠性,为新能源汽车的发展提供技术支持。
但是现有方案通常只是对新能源汽车的电池进行状态检测,这种检测方式比较片面,不能全方位的实现对新能源汽车的检测,因此,现有方案的检测准确率较低。
发明内容
本发明提供了一种新能源汽车的电性能检测方法及装置,用于提高新能源汽车的电性能检测准确率。
本发明第一方面提供了一种新能源汽车的电性能检测方法,所述新能源汽车的电性能检测方法包括:
获取新能源汽车的实时运行数据,并对所述实时运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据;
对所述电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据,并将所述电池组电压数据、所述电池组电流数据以及所述电池组温度数据输入预置的电池组性能分析模型进行电池组性能分析,得到电池组性能评价指标;
对所述电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据,并将所述电机转速数据、所述电机功率数据以及所述电机效率数据输入预置的电机性能分析模型进行电机性能分析,得到电机性能评价指标;
对所述控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据,并将所述控制器输入数据、所述控制器输出数据以及所述运行状态数据输入预置的控制器性能分析模型进行控制器性能分析,得到控制器性能评价指标;
对所述电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据,并将所述电源系统电压数据、所述电源系统电流数据以及所述电源系统功率数据输入预置的电源系统性能分析模型进行电源系统性能分析,得到电源系统性能评价指标;
根据所述电池组性能评价指标、所述电机性能评价指标、所述控制器性能评价指标以及所述电源系统性能评价指标,生成所述新能源汽车的目标电性能检测结果。
结合第一方面,在本发明第一方面的第一实施方式中,所述获取新能源汽车的实时运行数据,并对所述实时运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据,包括:
获取新能源汽车的实时运行数据,并对所述实时运行数据进行预处理,得到标准运行数据;
查询所述标准运行数据的多个数据类型;
根据所述多个数据类型,对所述标准运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据。
结合第一方面,在本发明第一方面的第二实施方式中,所述对所述电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据,并将所述电池组电压数据、所述电池组电流数据以及所述电池组温度数据输入预置的电池组性能分析模型进行电池组性能分析,得到电池组性能评价指标,包括:
获取多个电池组参数属性,并根据所述多个电池组参数属性对所述电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据;
根据所述电池组电压数据生成电池组电压向量,并根据所述电池组电流数据生成电池组电流向量,以及根据所述电池组温度数据生成电池组温度向量;
对所述电池组电压向量、电池组电流向量以及电池组温度向量进行向量融合,得到目标电池组参数向量;
将所述目标电池组参数向量输入预置的电池组性能分析模型,其中,所述电池组性能分析模型包括:两层卷积网络和输出层;
通过所述电池组性能分析模型对所述目标电池组参数向量进行电池组性能分析,得到电池组性能评价指标。
结合第一方面,在本发明第一方面的第三实施方式中,所述对所述电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据,并将所述电机转速数据、所述电机功率数据以及所述电机效率数据输入预置的电机性能分析模型进行电机性能分析,得到电机性能评价指标,包括:
获取多个电机参数属性,并根据所述多个电机参数属性对所述电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据;
根据所述电机转速数据生成电机转速向量,并根据所述电机功率数据生成电机功率向量,以及根据所述电机效率数据生成电机效率向量;
对所述电机转速向量、电机功率向量以及电机效率向量进行向量融合,得到目标电机参数向量;
将所述目标电机参数向量输入预置的电机性能分析模型,其中,所述电机性能分析模型包括:双向门限循环网络以及全连接网络;
通过所述电机性能分析模型对所述目标电机参数向量进行电机性能分析,得到电机性能评价指标。
结合第一方面,在本发明第一方面的第四实施方式中,所述对所述控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据,并将所述控制器输入数据、所述控制器输出数据以及所述运行状态数据输入预置的控制器性能分析模型进行控制器性能分析,得到控制器性能评价指标,包括:
获取多个控制器参数属性,并根据所述多个控制器参数属性对所述控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据;
根据所述控制器输入数据生成控制器输入向量,并根据所述控制器输出数据生成控制器输出向量,以及根据所述运行状态数据生成运行状态向量;
对所述控制器输入向量、控制器输出向量以及运行状态向量进行向量融合,得到目标控制器参数向量;
将所述目标控制器参数向量输入预置的控制器性能分析模型,其中,所述控制器性能分析模型包括:编码网络以及解码网络;
通过所述控制器性能分析模型对所述目标控制器参数向量进行控制器性能分析,得到控制器性能评价指标。
结合第一方面,在本发明第一方面的第五实施方式中,所述对所述电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据,并将所述电源系统电压数据、所述电源系统电流数据以及所述电源系统功率数据输入预置的电源系统性能分析模型进行电源系统性能分析,得到电源系统性能评价指标,包括:
获取多个电源系统参数属性,并根据所述多个电源系统参数属性对所述电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据;
根据所述电源系统电压数据生成电源系统电压向量,并根据所述电源系统电流数据生成电源系统电流向量,以及根据所述电源系统功率数据生成电源系统功率向量;
对所述电源系统电压向量、电源系统电流向量以及电源系统功率向量进行向量融合,得到目标电源系统参数向量;
将所述目标电源系统参数向量输入预置的电源系统性能分析模型,其中,所述电源系统性能分析模型包括:卷积层和归一化函数;
通过所述电源系统性能分析模型对所述目标电源系统参数向量进行电源系统性能分析,得到电源系统性能评价指标。
结合第一方面,在本发明第一方面的第六实施方式中,所述根据所述电池组性能评价指标、所述电机性能评价指标、所述控制器性能评价指标以及所述电源系统性能评价指标,生成所述新能源汽车的目标电性能检测结果,包括:
根据所述电池组性能评价指标、所述电机性能评价指标、所述控制器性能评价指标以及所述电源系统性能评价指标,计算所述新能源汽车的综合系数;
根据所述综合系数,生成所述新能源汽车的电性能评价等级以及电性能评价报告;
将所述电性能评价等级以及所述电性能评价报告输出为所述新能源汽车的目标电性能检测结果。
本发明第二方面提供了一种新能源汽车的电性能检测装置,所述新能源汽车的电性能检测装置包括:
获取模块,用于获取新能源汽车的实时运行数据,并对所述实时运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据;
电池组分析模块,用于对所述电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据,并将所述电池组电压数据、所述电池组电流数据以及所述电池组温度数据输入预置的电池组性能分析模型进行电池组性能分析,得到电池组性能评价指标;
电机分析模块,用于对所述电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据,并将所述电机转速数据、所述电机功率数据以及所述电机效率数据输入预置的电机性能分析模型进行电机性能分析,得到电机性能评价指标;
控制器分析模块,用于对所述控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据,并将所述控制器输入数据、所述控制器输出数据以及所述运行状态数据输入预置的控制器性能分析模型进行控制器性能分析,得到控制器性能评价指标;
电源系统分析模块,用于对所述电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据,并将所述电源系统电压数据、所述电源系统电流数据以及所述电源系统功率数据输入预置的电源系统性能分析模型进行电源系统性能分析,得到电源系统性能评价指标;
生成模块,用于根据所述电池组性能评价指标、所述电机性能评价指标、所述控制器性能评价指标以及所述电源系统性能评价指标,生成所述新能源汽车的目标电性能检测结果。
本发明第三方面提供了一种新能源汽车的电性能检测设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述新能源汽车的电性能检测设备执行上述的新能源汽车的电性能检测方法。
本发明的第四方面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中存储有指令,当其在计算机上运行时,使得计算机执行上述的新能源汽车的电性能检测方法。
本发明提供的技术方案中,获取新能源汽车的实时运行数据,并对电池组参数数据进行电池组性能分析,得到电池组性能评价指标;对电机参数数据进行电机性能分析,得到电机性能评价指标;对控制器参数数据进行控制器性能分析,得到控制器性能评价指标;对电源系统参数数据进行电源系统性能分析,得到电源系统性能评价指标;根据电池组性能评价指标、电机性能评价指标、控制器性能评价指标以及电源系统性能评价指标,生成新能源汽车的目标电性能检测结果,本发明检测新能源汽车的电性能,从而确保其正常运行,并检测电池组的电压、电流以及温度,从而确保其正常运行,进而有效地检测电池组的电性能,从而确保其正常运行,并且可以根据报告结果,对电池组进行必要的维护和保养,电池组性能检测、电机性能检测、控制器性能检测以及电源系统性能检测,有效提高新能源汽车的性能,提高新能源汽车的电性能检测准确率,进而提高新能源汽车的可靠性。
附图说明
图1为本发明实施例中新能源汽车的电性能检测方法的一个实施例示意图;
图2为本发明实施例中电池组性能分析的流程图;
图3为本发明实施例中电机性能分析的流程图;
图4为本发明实施例中控制器性能分析的流程图;
图5为本发明实施例中新能源汽车的电性能检测装置的一个实施例示意图;
图6为本发明实施例中新能源汽车的电性能检测设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种新能源汽车的电性能检测方法及装置,用于提高新能源汽车的电性能检测准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中新能源汽车的电性能检测方法的一个实施例包括:
S101、获取新能源汽车的实时运行数据,并对实时运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据;
可以理解的是,本发明的执行主体可以为新能源汽车的电性能检测装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器通过新能源汽车的车载系统来获取实时运行数据,例如通过CAN总线或者OBD接口,进而,服务器通过数据处理工具来对实时运行数据进行分类,需要说明的是,在本发明实施例中,服务器可以通过机器学习算法来进行数据分类,例如聚类算法、分类算法等,进一步的,服务器通过数据分类,可以得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据。
S102、对电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据,并将电池组电压数据、电池组电流数据以及电池组温度数据输入预置的电池组性能分析模型进行电池组性能分析,得到电池组性能评价指标;
需要说明的是,电池组参数数据中包含电池组的电压、电流和温度等参数,其中,服务器首先需要对电池组电压数据进行解析,得到电池组的实时电压数据。接着需要对电池组电流数据进行解析,得到电池组的实时电流数据。最后需要对电池组温度数据进行解析,得到电池组的实时温度数据,将得到的电池组电压、电流和温度数据输入预置的电池组性能分析模型进行分析,可以得到电池组的性能评价指标,例如剩余能量、剩余容量、SOC(Stateof Charge)、SOH(Stateof Health)等指标,其中,上述评价指标可以用于判断电池组的健康状况,预测电池组的寿命,并为电池组的维护和管理提供参考依据。
S103、对电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据,并将电机转速数据、电机功率数据以及电机效率数据输入预置的电机性能分析模型进行电机性能分析,得到电机性能评价指标;
具体的,服务器根据电机控制器的反馈信号,获取电机的实时转速数据。其中,转速数据可以通过编码器或霍尔传感器等方式获取,解析后可以得到电机的转速,进一步的,服务器根据电机控制器的反馈信号,获取电机的实时电流和电压数据,通过计算电机的功率,可以得到电机的实时功率数据,其中,在获取电机效率数据时,服务器根据电机控制器的反馈信号,获取电机的实时电流、电压和转速数据,具体的,通过计算电机的输入功率和输出功率,可以得到电机的实时效率数据。将得到的电机转速、功率和效率数据输入预置的电机性能分析模型进行分析,可以得到电机的性能指标,例如输出转矩、效率、热稳定性、噪声等指标。电机性能分析模型可以通过实验室测试或仿真模拟等方式建立,根据实际应用需要确定具体的分析模型。
S104、对控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据,并将控制器输入数据、控制器输出数据以及运行状态数据输入预置的控制器性能分析模型进行控制器性能分析,得到控制器性能评价指标;
具体的,服务器获取多个控制器参数属性,进一步的,服务器根据该多个控制器参数属性对该控制器参数数据进行参数解析,进而得到控制器输入数据,控制器输出数据以及运行状态数据,进一步的,服务器通过该控制器输入数据进行向量转换,生成对应的控制器输入向量,进一步的,服务器将该控制器输入向量输入该控制器性能分析模型进行控制器性能分析,得到控制器性能评价指标。
S105、对电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据,并将电源系统电压数据、电源系统电流数据以及电源系统功率数据输入预置的电源系统性能分析模型进行电源系统性能分析,得到电源系统性能评价指标;
具体的,服务器根据电源系统中的电压传感器或电压采样电路,获取电源系统的电压数据,包括输入电压、输出电压、稳压器电压等,进一步的,服务器根据电源系统中的电流传感器或电流采样电路,获取电源系统的电流数据,包括输入电流、输出电流、负载电流等,进而,服务器根据电源系统的电压数据和电流数据,计算电源系统的功率数据,包括输入功率、输出功率、效率等,将得到的电源系统电压数据、电源系统电流数据以及电源系统功率数据输入预置的电源系统性能分析模型进行分析,可以得到电源系统的性能评价指标,例如电源系统的效率、稳定性、噪声等指标。
S106、根据电池组性能评价指标、电机性能评价指标、控制器性能评价指标以及电源系统性能评价指标,生成新能源汽车的目标电性能检测结果。
具体的,服务器根据电池组性能评价指标、电机性能评价指标、控制器性能评价指标以及电源系统性能评价指标,计算新能源汽车的综合系数,服务器根据综合系数,生成新能源汽车的电性能评价等级以及电性能评价报告,服务器将电性能评价等级以及电性能评价报告输出为新能源汽车的目标电性能检测结果。
本发明实施例中,获取新能源汽车的实时运行数据,并对电池组参数数据进行电池组性能分析,得到电池组性能评价指标;对电机参数数据进行电机性能分析,得到电机性能评价指标;对控制器参数数据进行控制器性能分析,得到控制器性能评价指标;对电源系统参数数据进行电源系统性能分析,得到电源系统性能评价指标;根据电池组性能评价指标、电机性能评价指标、控制器性能评价指标以及电源系统性能评价指标,生成新能源汽车的目标电性能检测结果,本发明检测新能源汽车的电性能,从而确保其正常运行,并检测电池组的电压、电流以及温度,从而确保其正常运行,进而有效地检测电池组的电性能,从而确保其正常运行,并且可以根据报告结果,对电池组进行必要的维护和保养,电池组性能检测、电机性能检测、控制器性能检测以及电源系统性能检测,有效提高新能源汽车的性能,提高新能源汽车的电性能检测准确率,进而提高新能源汽车的可靠性。
在一具体实施例中,执行步骤S101的过程可以具体包括如下步骤:
(1)获取新能源汽车的实时运行数据,并对实时运行数据进行预处理,得到标准运行数据;
(2)查询标准运行数据的多个数据类型;
(3)根据多个数据类型,对标准运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据。
具体的,获取新能源汽车的实时运行数据可以通过车载传感器或者车载控制器等设备来实现,实时运行数据包括车速、电池电量、电机转速、充电状态、车辆位置等多种参数,对实时运行数据进行预处理的过程包括数据去噪、数据插值、数据对齐、异常值处理等操作,以确保标准运行数据的准确性和可靠性,查询标准运行数据的多个数据类型包括电池组数据、电机数据、控制器数据、电源系统数据等。电池组数据包括电池状态、电池温度、电池容量等参数;电机数据包括电机转速、电机温度、电机功率等参数,控制器数据包括控制器电流、控制器电压、控制器温度等参数;电源系统数据包括输入电压、输出电压、输入电流、输出电流等参数,根据多个数据类型,对标准运行数据进行数据分类可以通过数据挖掘技术和机器学习技术实现。
需要说明的是,服务器首先需要对数据进行特征提取,然后根据特征进行分类,最后得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据,对于电池组数据和电机数据可以通过聚类算法进行分类,对于控制器数据和电源系统数据可以通过分类器进行分类。
在一具体实施例中,如图2所示,执行步骤S102的过程可以具体包括如下步骤:
S201、获取多个电池组参数属性,并根据多个电池组参数属性对电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据;
S202、根据电池组电压数据生成电池组电压向量,并根据电池组电流数据生成电池组电流向量,以及根据电池组温度数据生成电池组温度向量;
S203、对电池组电压向量、电池组电流向量以及电池组温度向量进行向量融合,得到目标电池组参数向量;
S204、将目标电池组参数向量输入预置的电池组性能分析模型,其中,电池组性能分析模型包括:两层卷积网络和输出层;
S205、通过电池组性能分析模型对目标电池组参数向量进行电池组性能分析,得到电池组性能评价指标。
具体的,服务器。首先通过数据采集器等设备获取电池组的电压、电流、温度等参数属性,然后对这些参数进行解析,得到电池组电压数据、电池组电流数据以及电池组温度数据,进而,服务器根据这些数据生成电池组电压向量、电池组电流向量和电池组温度向量,然后对这些向量进行向量融合,得到目标电池组参数向量,进一步的,服务器将目标电池组参数向量输入预置的电池组性能分析模型,其中电池组性能分析模型包括两层卷积网络和输出层,通过该电池组性能分析模型,可以对目标电池组参数向量进行电池组性能分析,得到电池组性能评价指,需要说明的是,为了提高算法的效率和实时性,可以考虑使用一些算法优化和硬件优化技术,例如使用GPU加速深度学习算法、使用FPGA实现算法硬件加速等。
在一具体实施例中,如图3所示,执行步骤S103的过程可以具体包括如下步骤:
S301、获取多个电机参数属性,并根据多个电机参数属性对电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据;
S302、根据电机转速数据生成电机转速向量,并根据电机功率数据生成电机功率向量,以及根据电机效率数据生成电机效率向量;
S303、对电机转速向量、电机功率向量以及电机效率向量进行向量融合,得到目标电机参数向量;
S304、将目标电机参数向量输入预置的电机性能分析模型,其中,电机性能分析模型包括:双向门限循环网络以及全连接网络;
S305、通过电机性能分析模型对目标电机参数向量进行电机性能分析,得到电机性能评价指标。
具体的,服务器获取多个电机参数属性,并根据多个电机参数属性对电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据,进一步的,服务器根据电机转速数据生成电机转速向量,并根据电机功率数据生成电机功率向量,以及根据电机效率数据生成电机效率向量,其中,服务器通过传感器或者其他设备采集电机转速、电机功率和电机效率等参数属性,然后对这些参数进行处理,得到电机转速向量、电机功率向量和电机效率向量。接着,对这些向量进行向量融合,得到目标电机参数向量,进一步的,服务器、将目标电机参数向量输入预置的电机性能分析模型,其中,电机性能分析模型包括:双向门限循环网络以及全连接网络,最终,服务器通过电机性能分析模型对目标电机参数向量进行电机性能分析,得到电机性能评价指标。
在一具体实施例中,如图4所示,执行步骤S104的过程可以具体包括如下步骤:
S401、获取多个控制器参数属性,并根据多个控制器参数属性对控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据;
S402、根据控制器输入数据生成控制器输入向量,并根据控制器输出数据生成控制器输出向量,以及根据运行状态数据生成运行状态向量;
S403、对控制器输入向量、控制器输出向量以及运行状态向量进行向量融合,得到目标控制器参数向量;
S404、将目标控制器参数向量输入预置的控制器性能分析模型,其中,控制器性能分析模型包括:编码网络以及解码网络;
S405、通过控制器性能分析模型对目标控制器参数向量进行控制器性能分析,得到控制器性能评价指标。
具体的,服务器首先通过控制器参数采集器或其他设备获取多个控制器参数属性,然后对这些参数进行处理,得到控制器输入数据、控制器输出数据以及运行状态数据,进而,服务器根据这些数据生成控制器输入向量、控制器输出向量和运行状态向量,然后对这些向量进行向量融合,得到目标控制器参数向量,进一步的,将目标控制器参数向量输入预置的控制器性能分析模型,其中控制器性能分析模型包括编码网络和解码网络,通过控制器性能分析模型,可以对目标控制器参数向量进行控制器性能分析,得到控制器性能评价指标。
在一具体实施例中,执行步骤S105的过程可以具体包括如下步骤:
(1)获取多个电源系统参数属性,并根据多个电源系统参数属性对电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据;
(2)根据电源系统电压数据生成电源系统电压向量,并根据电源系统电流数据生成电源系统电流向量,以及根据电源系统功率数据生成电源系统功率向量;
(3)对电源系统电压向量、电源系统电流向量以及电源系统功率向量进行向量融合,得到目标电源系统参数向量;
(4)将目标电源系统参数向量输入预置的电源系统性能分析模型,其中,电源系统性能分析模型包括:卷积层和归一化函数;
(5)通过电源系统性能分析模型对目标电源系统参数向量进行电源系统性能分析,得到电源系统性能评价指标。
具体的,服务器根据电源系统中的电压传感器或电压采样电路,获取电源系统的电压数据,包括输入电压、输出电压、稳压器电压等,进一步的,服务器根据电源系统中的电流传感器或电流采样电路,获取电源系统的电流数据,包括输入电流、输出电流、负载电流等,进而,服务器根据电源系统的电压数据和电流数据,计算电源系统的功率数据,包括输入功率、输出功率、效率等,将得到的电源系统电压数据、电源系统电流数据以及电源系统功率数据输入预置的电源系统性能分析模型进行分析,其中,服务器根据电源系统电压数据生成电源系统电压向量,并根据电源系统电流数据生成电源系统电流向量,以及根据电源系统功率数据生成电源系统功率向量,对电源系统电压向量、电源系统电流向量以及电源系统功率向量进行向量融合,得到目标电源系统参数向量,将目标电源系统参数向量输入预置的电源系统性能分析模型,其中,电源系统性能分析模型包括:卷积层和归一化函数,通过电源系统性能分析模型对目标电源系统参数向量进行电源系统性能分析,得到电源系统性能评价指标。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)根据电池组性能评价指标、电机性能评价指标、控制器性能评价指标以及电源系统性能评价指标,计算新能源汽车的综合系数;
(2)根据综合系数,生成新能源汽车的电性能评价等级以及电性能评价报告;
(3)将电性能评价等级以及电性能评价报告输出为新能源汽车的目标电性能检测结果。
具体的,服务器根据电池组性能评价指标、电机性能评价指标、控制器性能评价指标以及电源系统性能评价指标,计算新能源汽车的综合系数。综合系数可以采用加权平均法、主成分分析法等方法进行计算,具体计算方法可以根据实际需求进行选择。进而,服务器根据综合系数,生成新能源汽车的电性能评价等级以及电性能评价报告,需要说明的是,电性能评价等级可以根据综合系数的大小进行划分,例如将综合系数分为优、良、中、差等等级。电性能评价报告可以包括电池组性能、电机性能、控制器性能、电源系统性能等方面的评价结果,以及针对问题点的建议和改进措施,最后,将电性能评价等级以及电性能评价报告输出为新能源汽车的目标电性能检测结果。
上面对本发明实施例中新能源汽车的电性能检测方法进行了描述,下面对本发明实施例中新能源汽车的电性能检测装置进行描述,请参阅图5,本发明实施例中新能源汽车的电性能检测装置一个实施例包括:
获取模块501,用于获取新能源汽车的实时运行数据,并对所述实时运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据;
电池组分析模块502,用于对所述电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据,并将所述电池组电压数据、所述电池组电流数据以及所述电池组温度数据输入预置的电池组性能分析模型进行电池组性能分析,得到电池组性能评价指标;
电机分析模块503,用于对所述电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据,并将所述电机转速数据、所述电机功率数据以及所述电机效率数据输入预置的电机性能分析模型进行电机性能分析,得到电机性能评价指标;
控制器分析模块504,用于对所述控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据,并将所述控制器输入数据、所述控制器输出数据以及所述运行状态数据输入预置的控制器性能分析模型进行控制器性能分析,得到控制器性能评价指标;
电源系统分析模块505,用于对所述电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据,并将所述电源系统电压数据、所述电源系统电流数据以及所述电源系统功率数据输入预置的电源系统性能分析模型进行电源系统性能分析,得到电源系统性能评价指标;
生成模块506,用于根据所述电池组性能评价指标、所述电机性能评价指标、所述控制器性能评价指标以及所述电源系统性能评价指标,生成所述新能源汽车的目标电性能检测结果。
通过上述各个组成部分的协同合作,获取新能源汽车的实时运行数据,并对电池组参数数据进行电池组性能分析,得到电池组性能评价指标;对电机参数数据进行电机性能分析,得到电机性能评价指标;对控制器参数数据进行控制器性能分析,得到控制器性能评价指标;对电源系统参数数据进行电源系统性能分析,得到电源系统性能评价指标;根据电池组性能评价指标、电机性能评价指标、控制器性能评价指标以及电源系统性能评价指标,生成新能源汽车的目标电性能检测结果,本发明检测新能源汽车的电性能,从而确保其正常运行,并检测电池组的电压、电流以及温度,从而确保其正常运行,进而有效地检测电池组的电性能,从而确保其正常运行,并且可以根据报告结果,对电池组进行必要的维护和保养,电池组性能检测、电机性能检测、控制器性能检测以及电源系统性能检测,有效提高新能源汽车的性能,提高新能源汽车的电性能检测准确率,进而提高新能源汽车的可靠性。
上面图5从模块化功能实体的角度对本发明实施例中的新能源汽车的电性能检测装置进行详细描述,下面从硬件处理的角度对本发明实施例中新能源汽车的电性能检测设备进行详细描述。
图6是本发明实施例提供的一种新能源汽车的电性能检测设备的结构示意图,该新能源汽车的电性能检测设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对新能源汽车的电性能检测设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在新能源汽车的电性能检测设备600上执行存储介质630中的一系列指令操作。
新能源汽车的电性能检测设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如Windows Serve,MacOS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的新能源汽车的电性能检测设备结构并不构成对新能源汽车的电性能检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种新能源汽车的电性能检测设备,所述新能源汽车的电性能检测设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述新能源汽车的电性能检测方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述新能源汽车的电性能检测方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(randomacceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种新能源汽车的电性能检测方法,其特征在于,所述新能源汽车的电性能检测方法包括:
获取新能源汽车的实时运行数据,并对所述实时运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据;
对所述电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据,并将所述电池组电压数据、所述电池组电流数据以及所述电池组温度数据输入预置的电池组性能分析模型进行电池组性能分析,得到电池组性能评价指标;
对所述电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据,并将所述电机转速数据、所述电机功率数据以及所述电机效率数据输入预置的电机性能分析模型进行电机性能分析,得到电机性能评价指标;
对所述控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据,并将所述控制器输入数据、所述控制器输出数据以及所述运行状态数据输入预置的控制器性能分析模型进行控制器性能分析,得到控制器性能评价指标;
对所述电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据,并将所述电源系统电压数据、所述电源系统电流数据以及所述电源系统功率数据输入预置的电源系统性能分析模型进行电源系统性能分析,得到电源系统性能评价指标;
根据所述电池组性能评价指标、所述电机性能评价指标、所述控制器性能评价指标以及所述电源系统性能评价指标,生成所述新能源汽车的目标电性能检测结果。
2.根据权利要求1所述的新能源汽车的电性能检测方法,其特征在于,所述获取新能源汽车的实时运行数据,并对所述实时运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据,包括:
获取新能源汽车的实时运行数据,并对所述实时运行数据进行预处理,得到标准运行数据;
查询所述标准运行数据的多个数据类型;
根据所述多个数据类型,对所述标准运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据。
3.根据权利要求1所述的新能源汽车的电性能检测方法,其特征在于,所述对所述电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据,并将所述电池组电压数据、所述电池组电流数据以及所述电池组温度数据输入预置的电池组性能分析模型进行电池组性能分析,得到电池组性能评价指标,包括:
获取多个电池组参数属性,并根据所述多个电池组参数属性对所述电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据;
根据所述电池组电压数据生成电池组电压向量,并根据所述电池组电流数据生成电池组电流向量,以及根据所述电池组温度数据生成电池组温度向量;
对所述电池组电压向量、电池组电流向量以及电池组温度向量进行向量融合,得到目标电池组参数向量;
将所述目标电池组参数向量输入预置的电池组性能分析模型,其中,所述电池组性能分析模型包括:两层卷积网络和输出层;
通过所述电池组性能分析模型对所述目标电池组参数向量进行电池组性能分析,得到电池组性能评价指标。
4.根据权利要求1所述的新能源汽车的电性能检测方法,其特征在于,所述对所述电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据,并将所述电机转速数据、所述电机功率数据以及所述电机效率数据输入预置的电机性能分析模型进行电机性能分析,得到电机性能评价指标,包括:
获取多个电机参数属性,并根据所述多个电机参数属性对所述电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据;
根据所述电机转速数据生成电机转速向量,并根据所述电机功率数据生成电机功率向量,以及根据所述电机效率数据生成电机效率向量;
对所述电机转速向量、电机功率向量以及电机效率向量进行向量融合,得到目标电机参数向量;
将所述目标电机参数向量输入预置的电机性能分析模型,其中,所述电机性能分析模型包括:双向门限循环网络以及全连接网络;
通过所述电机性能分析模型对所述目标电机参数向量进行电机性能分析,得到电机性能评价指标。
5.根据权利要求1所述的新能源汽车的电性能检测方法,其特征在于,所述对所述控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据,并将所述控制器输入数据、所述控制器输出数据以及所述运行状态数据输入预置的控制器性能分析模型进行控制器性能分析,得到控制器性能评价指标,包括:
获取多个控制器参数属性,并根据所述多个控制器参数属性对所述控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据;
根据所述控制器输入数据生成控制器输入向量,并根据所述控制器输出数据生成控制器输出向量,以及根据所述运行状态数据生成运行状态向量;
对所述控制器输入向量、控制器输出向量以及运行状态向量进行向量融合,得到目标控制器参数向量;
将所述目标控制器参数向量输入预置的控制器性能分析模型,其中,所述控制器性能分析模型包括:编码网络以及解码网络;
通过所述控制器性能分析模型对所述目标控制器参数向量进行控制器性能分析,得到控制器性能评价指标。
6.根据权利要求1所述的新能源汽车的电性能检测方法,其特征在于,所述对所述电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据,并将所述电源系统电压数据、所述电源系统电流数据以及所述电源系统功率数据输入预置的电源系统性能分析模型进行电源系统性能分析,得到电源系统性能评价指标,包括:
获取多个电源系统参数属性,并根据所述多个电源系统参数属性对所述电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据;
根据所述电源系统电压数据生成电源系统电压向量,并根据所述电源系统电流数据生成电源系统电流向量,以及根据所述电源系统功率数据生成电源系统功率向量;
对所述电源系统电压向量、电源系统电流向量以及电源系统功率向量进行向量融合,得到目标电源系统参数向量;
将所述目标电源系统参数向量输入预置的电源系统性能分析模型,其中,所述电源系统性能分析模型包括:卷积层和归一化函数;
通过所述电源系统性能分析模型对所述目标电源系统参数向量进行电源系统性能分析,得到电源系统性能评价指标。
7.根据权利要求1所述的新能源汽车的电性能检测方法,其特征在于,所述根据所述电池组性能评价指标、所述电机性能评价指标、所述控制器性能评价指标以及所述电源系统性能评价指标,生成所述新能源汽车的目标电性能检测结果,包括:
根据所述电池组性能评价指标、所述电机性能评价指标、所述控制器性能评价指标以及所述电源系统性能评价指标,计算所述新能源汽车的综合系数;
根据所述综合系数,生成所述新能源汽车的电性能评价等级以及电性能评价报告;
将所述电性能评价等级以及所述电性能评价报告输出为所述新能源汽车的目标电性能检测结果。
8.一种新能源汽车的电性能检测装置,其特征在于,所述新能源汽车的电性能检测装置包括:
获取模块,用于获取新能源汽车的实时运行数据,并对所述实时运行数据进行数据分类,得到电池组参数数据、电机参数数据、控制器参数数据以及电源系统参数数据;
电池组分析模块,用于对所述电池组参数数据进行参数解析,得到电池组电压数据、电池组电流数据以及电池组温度数据,并将所述电池组电压数据、所述电池组电流数据以及所述电池组温度数据输入预置的电池组性能分析模型进行电池组性能分析,得到电池组性能评价指标;
电机分析模块,用于对所述电机参数数据进行参数解析,得到电机转速数据、电机功率数据以及电机效率数据,并将所述电机转速数据、所述电机功率数据以及所述电机效率数据输入预置的电机性能分析模型进行电机性能分析,得到电机性能评价指标;
控制器分析模块,用于对所述控制器参数数据进行参数解析,得到控制器输入数据、控制器输出数据以及运行状态数据,并将所述控制器输入数据、所述控制器输出数据以及所述运行状态数据输入预置的控制器性能分析模型进行控制器性能分析,得到控制器性能评价指标;
电源系统分析模块,用于对所述电源系统参数数据进行参数解析,得到电源系统电压数据、电源系统电流数据以及电源系统功率数据,并将所述电源系统电压数据、所述电源系统电流数据以及所述电源系统功率数据输入预置的电源系统性能分析模型进行电源系统性能分析,得到电源系统性能评价指标;
生成模块,用于根据所述电池组性能评价指标、所述电机性能评价指标、所述控制器性能评价指标以及所述电源系统性能评价指标,生成所述新能源汽车的目标电性能检测结果。
9.一种新能源汽车的电性能检测设备,其特征在于,所述新能源汽车的电性能检测设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述新能源汽车的电性能检测设备执行如权利要求1-7中任一项所述的新能源汽车的电性能检测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的新能源汽车的电性能检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310615836.1A CN116338454A (zh) | 2023-05-29 | 2023-05-29 | 一种新能源汽车的电性能检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310615836.1A CN116338454A (zh) | 2023-05-29 | 2023-05-29 | 一种新能源汽车的电性能检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116338454A true CN116338454A (zh) | 2023-06-27 |
Family
ID=86888059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310615836.1A Pending CN116338454A (zh) | 2023-05-29 | 2023-05-29 | 一种新能源汽车的电性能检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116338454A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117471327A (zh) * | 2023-12-25 | 2024-01-30 | 深圳市北测检测技术有限公司 | 一种汽车动力电池的安全性能检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001091410A (ja) * | 1999-09-27 | 2001-04-06 | Horiba Ltd | 電気自動車の動力系の性能試験装置および電気自動車用燃料電池の性能試験装置 |
CN102338861A (zh) * | 2010-07-29 | 2012-02-01 | 上海汽车集团股份有限公司 | 评价汽车供电系统性能的方法和系统 |
CN110824367A (zh) * | 2019-09-26 | 2020-02-21 | 福建星云电子股份有限公司 | 一种新能源汽车电池管理系统硬件在环测试系统及方法 |
CN111141532A (zh) * | 2020-01-16 | 2020-05-12 | 常熟理工学院 | 一种电动汽车多模式综合测试系统 |
CN111460626A (zh) * | 2020-03-11 | 2020-07-28 | 中国汽车技术研究中心有限公司 | 一种新能源汽车驱动电机性能评价方法、存储介质及设备 |
KR102159295B1 (ko) * | 2019-07-02 | 2020-09-23 | 현대위아 주식회사 | 전기차량 모터 성능 분석 시스템 및 방법 |
CN113297033A (zh) * | 2021-05-28 | 2021-08-24 | 长安大学 | 基于云端监测数据的车辆电控系统健康评估方法和系统 |
CN113390649A (zh) * | 2021-05-28 | 2021-09-14 | 联合汽车电子有限公司 | 新能源车辆性能分析方法、装置及存储介质 |
CN114781552A (zh) * | 2022-06-17 | 2022-07-22 | 深圳硅山技术有限公司 | 电机性能测试方法、装置、设备及存储介质 |
CN114967655A (zh) * | 2022-06-07 | 2022-08-30 | 扬州市职业大学(扬州开放大学) | 一种新能源汽车控制器测试方法与系统 |
CN116029611A (zh) * | 2023-02-14 | 2023-04-28 | 西华大学 | 一种燃料电池混合动力系统综合性能测试评价方法 |
-
2023
- 2023-05-29 CN CN202310615836.1A patent/CN116338454A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001091410A (ja) * | 1999-09-27 | 2001-04-06 | Horiba Ltd | 電気自動車の動力系の性能試験装置および電気自動車用燃料電池の性能試験装置 |
CN102338861A (zh) * | 2010-07-29 | 2012-02-01 | 上海汽车集团股份有限公司 | 评价汽车供电系统性能的方法和系统 |
KR102159295B1 (ko) * | 2019-07-02 | 2020-09-23 | 현대위아 주식회사 | 전기차량 모터 성능 분석 시스템 및 방법 |
CN110824367A (zh) * | 2019-09-26 | 2020-02-21 | 福建星云电子股份有限公司 | 一种新能源汽车电池管理系统硬件在环测试系统及方法 |
CN111141532A (zh) * | 2020-01-16 | 2020-05-12 | 常熟理工学院 | 一种电动汽车多模式综合测试系统 |
CN111460626A (zh) * | 2020-03-11 | 2020-07-28 | 中国汽车技术研究中心有限公司 | 一种新能源汽车驱动电机性能评价方法、存储介质及设备 |
CN113297033A (zh) * | 2021-05-28 | 2021-08-24 | 长安大学 | 基于云端监测数据的车辆电控系统健康评估方法和系统 |
CN113390649A (zh) * | 2021-05-28 | 2021-09-14 | 联合汽车电子有限公司 | 新能源车辆性能分析方法、装置及存储介质 |
CN114967655A (zh) * | 2022-06-07 | 2022-08-30 | 扬州市职业大学(扬州开放大学) | 一种新能源汽车控制器测试方法与系统 |
CN114781552A (zh) * | 2022-06-17 | 2022-07-22 | 深圳硅山技术有限公司 | 电机性能测试方法、装置、设备及存储介质 |
CN116029611A (zh) * | 2023-02-14 | 2023-04-28 | 西华大学 | 一种燃料电池混合动力系统综合性能测试评价方法 |
Non-Patent Citations (3)
Title |
---|
吴陈 等: "计算智能与深度学习", vol. 1, 西安电子科技大学出版社, pages: 224 - 230 * |
未知: "新能源汽车的车辆动力性能评估技术", pages 1, Retrieved from the Internet <URL:https://www.renrendoc.com/paper/258832874.html> * |
谢立洁;杜森;徐梓荐;翟世欢;: "基于AURIX的电动汽车电池管理系统电源模块设计", 汽车工程师, no. 06, pages 25 - 29 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117471327A (zh) * | 2023-12-25 | 2024-01-30 | 深圳市北测检测技术有限公司 | 一种汽车动力电池的安全性能检测方法 |
CN117471327B (zh) * | 2023-12-25 | 2024-05-07 | 深圳市北测检测技术有限公司 | 一种汽车动力电池的安全性能检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108931725B (zh) | 一种电池故障检测的方法及装置 | |
CN109116242B (zh) | 一种动力电池的数据处理方法和装置 | |
CN112816881B (zh) | 电池压差异常检测方法、装置及计算机存储介质 | |
CN116338454A (zh) | 一种新能源汽车的电性能检测方法及装置 | |
CN114818831B (zh) | 基于多源感知的双向锂离子电池故障检测方法及系统 | |
CN111624433B (zh) | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 | |
CN113358993B (zh) | 一种多电平变换器igbt的在线故障诊断方法及系统 | |
CN116643178B (zh) | 一种电池管理系统的soc估算方法及相关装置 | |
CN113902946A (zh) | 电力系统故障方位判别方法、装置、终端设备及存储介质 | |
CN113866641A (zh) | 一种锂离子电池的故障检测方法及装置 | |
CN113391214A (zh) | 一种基于电池充电电压排名变化的电池微故障诊断方法 | |
Chen et al. | Data-driven statistical analysis and diagnosis of networked battery systems | |
CN116660759B (zh) | 基于bms电池管理系统的电池寿命预测方法及装置 | |
Li et al. | An improved battery on-line parameter identification and state-of-charge determining method | |
US20220352558A1 (en) | Method for matching data of a first control unit with a second control unit for determining precise predictive values | |
CN117301949A (zh) | 车辆及其异常电芯的识别方法、存储介质以及电子设备 | |
CN112836967A (zh) | 新能源汽车电池安全风险评估系统 | |
CN116923188A (zh) | 一种新能源车的充电保护系统 | |
CN111126449A (zh) | 一种基于聚类分析的电池故障分类诊断方法 | |
CN111381165A (zh) | 一种车辆动力电池监控方法、装置和平台 | |
CN115291113A (zh) | 一种统一的锂离子电池soc、soh和rul的联合估计方法及系统 | |
CN112991574B (zh) | 一种分析电堆衰减的方法 | |
CN115544903B (zh) | 基于大数据的电池数据处理方法、装置、设备及存储介质 | |
CN117890825B (zh) | 充电枪的泄露电流测试方法、装置、设备及存储介质 | |
CN211086535U (zh) | 一种锂离子动力电池荷电态预测电路 |
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: 20230627 |