CN116338460B - 基于多参数分析的新能源汽车电池余量鉴定系统 - Google Patents
基于多参数分析的新能源汽车电池余量鉴定系统 Download PDFInfo
- Publication number
- CN116338460B CN116338460B CN202310377640.3A CN202310377640A CN116338460B CN 116338460 B CN116338460 B CN 116338460B CN 202310377640 A CN202310377640 A CN 202310377640A CN 116338460 B CN116338460 B CN 116338460B
- Authority
- CN
- China
- Prior art keywords
- new energy
- energy automobile
- battery
- next moment
- residual quantity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011527 multiparameter analysis Methods 0.000 title claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims abstract description 30
- 238000001514 detection method Methods 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 20
- 238000007726 management method Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 5
- 230000000087 stabilizing effect Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 239000000446 fuel Substances 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
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]
- G01R31/3644—Constructional arrangements
-
- 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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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
Abstract
本发明涉及一种基于多参数分析的新能源汽车电池余量鉴定系统,包括:余量判断机构,用于将下一时刻之前各个时刻分别对应的各份电池余量以及新能源汽车的各项配置参数输入到完成设定数量的各次训练后的深度神经网络,并执行所述深度神经网络以获得其输出的下一时刻的电池余量预测数值;策略定制机构,与所述余量判断机构连接,用于基于下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略。本发明的基于多参数分析的新能源汽车电池余量鉴定系统运行智能、操作可靠。由于能够智能预测新能源汽车在未达到的下一时刻的电池余量,进而制定相应的电量管理策略,从而避免陷入电量突然下降到行驶极限值以下的困境。
Description
技术领域
本发明涉及新能源汽车领域,尤其涉及一种基于多参数分析的新能源汽车电池余量鉴定系统。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置),综合车辆的动力控制和驱动方面的先进技术,形成的技术原理先进、具有新技术、新结构的汽车。新能源汽车包括纯电动汽车、增程式电动汽车、混合动力汽车、燃料电池电动汽车、氢发动机汽车等。一般地,在没有特殊说明的情况下,新能源汽车指的是采用电池驱动的汽车。
汽车成本决定价格,价格决定市场,目前在市场上的新能源汽车中,纯电动汽车的价格都不高,购买纯电动车对消费者来说已经不存在价格问题,价格偏高的是混合动力车。
然而,对于使用新能源汽车的用户来说,驾驶新能源汽车时一直处于忐忑状态,原因在于由于电动汽车行驶环境的复杂性以及电池掉电的非线性,导致很难对未到达的下一时刻的电动汽车的剩余电量进行有效判断,容易陷入到电动汽车的电池突然掉电到可以继续行驶的下限数值以下的困境,例如在寒冷的冬季或者高纬度极寒地区,进而导致无法继续行驶,严重影响了用户的出行计划。
发明内容
为了解决相关领域的技术问题,本发明提供了一种基于多参数分析的新能源汽车电池余量鉴定系统,能够根据新能源汽车行驶环境以及本车环境的多项配置参数以及新能源汽车过往各个时刻的历史电池余量智能预测新能源汽车在未达到的下一时刻的电池余量,进而制定相应的电量管理策略,从而提升新能源汽车的整车管理水准。
根据本发明的一方面,提供了一种基于多参数分析的新能源汽车电池余量鉴定系统,所述系统包括:
逐时测量器件,设置在新能源汽车内且与电池连接,用于测量下一时刻之前各个时刻分别对应的各份电池余量,所述各份电池余量的数量与所述新能源汽车的车体重量成反比;
分项检测器件,设置在新能源汽车内且与控制器连接,包括静态存储单元、气温检测单元、视觉检测单元以及等级分析单元,用于获取新能源汽车的各项配置参数,所述新能源汽车的各项配置参数包括所述新能源汽车的车体重量、车外温度、车内乘坐人员数量以及所在路段拥堵等级;
网络搭建器件,用于搭建完成设定数量的各次训练后的深度神经网络,每一次训练时,所述深度神经网络采用过往时刻测量的电池余量作为输出内容,采用过往时刻之前各个时刻分别对应的各份电池余量以及所述新能源汽车的各项配置参数作为逐项输入内容,完成对所述深度神经网络的一次训练;
余量判断机构,分别与所述逐时测量器件、所述分项检测器件以及所述网络搭建器件连接,用于将下一时刻之前各个时刻分别对应的各份电池余量以及所述新能源汽车的各项配置参数输入到完成设定数量的各次训练后的深度神经网络,并执行完成设定数量的各次训练后的深度神经网络以获得其输出的下一时刻的电池余量预测数值;
策略定制机构,与所述余量判断机构连接,用于基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略;
其中,基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略包括:在所述余量判断机构输出的下一时刻的电池余量预测数值小于等于设定余量阈值时,在下一时刻到来之前提前执行最近充电桩的搜索操作;
其中,基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略还包括:在所述余量判断机构输出的下一时刻的电池余量预测数值与下一时刻之前最近时刻测量的电池余量的差值超过设定差值限量时,发出掉电过度信号。
因此,本发明具备了以下几处突出的技术效果:
第一处、基于未达到的下一时刻之前各个时刻分别对应的各份电池余量以及新能源汽车的各项配置参数采用完成设定数量的各次训练后的深度神经网络,实现未达到的下一时刻的电池余量的预测,从而为后续的下一时刻的电量管理策略的定制提供重要信息;
第二处、在预测的下一时刻的电池余量预测数值小于等于设定余量阈值时,在下一时刻到来之前提前执行最近充电桩的搜索操作,以及在预测的下一时刻的电池余量预测数值与下一时刻之前最近时刻测量的电池余量的差值超过设定差值限量时,发出掉电过度信号,从而实现对新能源汽车的提前电量管理;
第三处、完成设定数量的各次训练后的深度神经网络结构定制,表现在深度神经网络的训练的次数与车内乘坐人员数量正向关联,以及输入网络的各份电池余量的数量与新能源汽车的车体重量成反比,从而保证了预测结果的可靠性和稳定性。
本发明的基于多参数分析的新能源汽车电池余量鉴定系统运行智能、操作可靠。由于能够智能预测新能源汽车在未达到的下一时刻的电池余量,进而制定相应的电量管理策略,从而避免陷入电量突然下降到行驶极限值以下的困境。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明A实施方案示出的基于多参数分析的新能源汽车电池余量鉴定系统的结构方框图。
图2为根据本发明B实施方案示出的基于多参数分析的新能源汽车电池余量鉴定系统的结构方框图。
图3为根据本发明C实施方案示出的基于多参数分析的新能源汽车电池余量鉴定系统的结构方框图。
具体实施方式
下面将参照附图对本发明的基于多参数分析的新能源汽车电池余量鉴定系统的实施方案进行详细说明。
第一实施例
图1为根据本发明A实施方案示出的基于多参数分析的新能源汽车电池余量鉴定系统的结构方框图,所述系统包括:
逐时测量器件,设置在新能源汽车内且与电池连接,用于测量下一时刻之前各个时刻分别对应的各份电池余量,所述各份电池余量的数量与所述新能源汽车的车体重量成反比,下一时刻与下一时刻之前各个时刻在时间轴上均匀间隔分布;
示例地,下一时刻与下一时刻之前各个时刻在时间轴上均匀间隔分布包括:当前时刻为下午13:00,下一时刻为13:05,下一时刻之前各个时刻为下午13:00、下午12:55、下午12:50、下午12:45、下午12:40、下午12:35、下午12:30、下午12:25、下午12:20、下午12:15以及下午12:10;
由此可见,下一时刻之前各个时刻包括当前时刻,如上所示,下一时刻之前各个时刻包括当前时刻下午13:00;
分项检测器件,设置在新能源汽车内且与控制器连接,包括静态存储单元、气温检测单元、视觉检测单元以及等级分析单元,用于获取新能源汽车的各项配置参数,所述新能源汽车的各项配置参数包括所述新能源汽车的车体重量、车外温度、车内乘坐人员数量以及所在路段拥堵等级;
网络搭建器件,用于搭建完成设定数量的各次训练后的深度神经网络,每一次训练时,所述深度神经网络采用过往时刻测量的电池余量作为输出内容,采用过往时刻之前各个时刻分别对应的各份电池余量以及所述新能源汽车的各项配置参数作为逐项输入内容,完成对所述深度神经网络的一次训练;
余量判断机构,分别与所述逐时测量器件、所述分项检测器件以及所述网络搭建器件连接,用于将下一时刻之前各个时刻分别对应的各份电池余量以及所述新能源汽车的各项配置参数输入到完成设定数量的各次训练后的深度神经网络,并执行完成设定数量的各次训练后的深度神经网络以获得其输出的下一时刻的电池余量预测数值;
示例地,采用MATLAB工具箱仿真完成设定数量的各次训练后的深度神经网络;
策略定制机构,与所述余量判断机构连接,用于基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略;
其中,基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略包括:在所述余量判断机构输出的下一时刻的电池余量预测数值小于等于设定余量阈值时,在下一时刻到来之前提前执行最近充电桩的搜索操作;
其中,基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略还包括:在所述余量判断机构输出的下一时刻的电池余量预测数值与下一时刻之前最近时刻测量的电池余量的差值超过设定差值限量时,发出掉电过度信号;
其中,搭建完成设定数量的各次训练后的深度神经网络,每一次训练时,所述深度神经网络采用过往时刻测量的电池余量作为输出内容,采用过往时刻之前各个时刻分别对应的各份电池余量以及所述新能源汽车的各项配置参数作为逐项输入内容,完成对所述深度神经网络的一次训练包括:所述深度神经网络的训练的次数与车内乘坐人员数量正向关联。
第二实施例
图2为根据本发明B实施方案示出的基于多参数分析的新能源汽车电池余量鉴定系统的结构方框图。
与本发明A实施方案不同,根据本发明B实施方案示出的基于多参数分析的新能源汽车电池余量鉴定系统还包括:
定位搜索机构,与所述策略定制机构连接,用于基于所述策略定制机构发出的充电桩搜索请求触发对所述新能源汽车周围最近充电桩的搜索操作;
其中,基于所述策略定制机构发出的充电桩搜索请求触发对所述新能源汽车周围最近充电桩的搜索操作包括:根据所述新能源汽车的当前定位数据基于所述策略定制机构发出的充电桩搜索请求触发对所述新能源汽车周围最近充电桩的搜索操作;
示例地,根据所述新能源汽车的当前定位数据基于所述策略定制机构发出的充电桩搜索请求触发对所述新能源汽车周围最近充电桩的搜索操作包括:所述新能源汽车的当前定位数据为所述新能源汽车的当前GPS定位数据或者所述新能源汽车的当前北斗星定位数据。
第三实施例
图3为根据本发明C实施方案示出的基于多参数分析的新能源汽车电池余量鉴定系统的结构方框图。
与本发明A实施方案不同,根据本发明C实施方案示出的基于多参数分析的新能源汽车电池余量鉴定系统还包括:
中控显示机构,与所述策略定制机构连接,用于显示所述新能源汽车周围最近充电桩的定位数据;
其中,所述中控显示机构还用于显示与所述掉电过度信号对应的文字警示信息。
接着,继续对本发明的基于多参数分析的新能源汽车电池余量鉴定系统的具体结构进行进一步的说明。
在根据本发明的各个实施方案的基于多参数分析的新能源汽车电池余量鉴定系统中:
用于获取新能源汽车的各项配置参数,所述新能源汽车的各项配置参数包括所述新能源汽车的车体重量、车外温度、车内乘坐人员数量以及所在路段拥堵等级包括:所述静态存储单元用于存储所述新能源汽车的各项出厂参数,所述各项出厂参数包括所述新能源汽车的车体重量;
其中,用于获取新能源汽车的各项配置参数,所述新能源汽车的各项配置参数包括所述新能源汽车的车体重量、车外温度、车内乘坐人员数量以及所在路段拥堵等级包括:所述气温检测单元用于检测所述新能源汽车的车体外部气温以作为所述新能源汽车的车外温度输出;
其中,用于获取新能源汽车的各项配置参数,所述新能源汽车的各项配置参数包括所述新能源汽车的车体重量、车外温度、车内乘坐人员数量以及所在路段拥堵等级包括:所述等级分析单元基于所述新能源汽车的定位信息获取所述新能源汽车的当前行驶路段编号,并基于所述新能源汽车的当前行驶路段编号获取所述新能源汽车的当前行驶路段编号对应的路段的拥堵等级以作为所述新能源汽车的路段拥堵等级;
其中,用于获取新能源汽车的各项配置参数,所述新能源汽车的各项配置参数包括所述新能源汽车的车体重量、车外温度、车内乘坐人员数量以及所在路段拥堵等级包括:所述视觉检测单元内置图像传感器以及视觉分析仪,用于获取所述新能源汽车的车内乘坐人员数量;
其中,所述视觉检测单元内置图像传感器以及视觉分析仪,用于获取所述新能源汽车的车内乘坐人员数量包括:所述图像传感器设置在所述新能源汽车的车顶的中央位置,用于面对所述新能源汽车的车体内部环境执行光电成像操作以获得内部环境画面;
其中,所述视觉检测单元内置图像传感器以及视觉分析仪,用于获取所述新能源汽车的车内乘坐人员数量包括:所述视觉分析仪与所述图像传感器连接,用于基于人体成像特征识别所述内部环境画面中的各个人体成像区域,并将所述各个人体成像区域的数量作为所述新能源汽车的车内乘坐人员数量;
其中,所述视觉分析仪与所述图像传感器连接,用于基于人体成像特征识别所述内部环境画面中的各个人体成像区域,并将所述各个人体成像区域的数量作为所述新能源汽车的车内乘坐人员数量包括:基于标准人体外形轮廓识别所述内部环境画面中占据像素点数量超过设定数量的图像区域以作为人体成像区域,以获得所述内部环境画面中的各个人体成像区域,并将所述各个人体成像区域的数量作为所述新能源汽车的车内乘坐人员数量。
以及在根据本发明的各个实施方案的基于多参数分析的新能源汽车电池余量鉴定系统中:
基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略还包括:在所述余量判断机构输出的下一时刻的电池余量预测数值与下一时刻之前最近时刻测量的电池余量的差值未超过所述设定差值限量时,发出掉电稳定信号。
另外,在所述基于多参数分析的新能源汽车电池余量鉴定系统中,所述等级分析单元基于所述新能源汽车的定位信息获取所述新能源汽车的当前行驶路段编号,并基于所述新能源汽车的当前行驶路段编号获取所述新能源汽车的当前行驶路段编号对应的路段的拥堵等级以作为所述新能源汽车的路段拥堵等级包括:所述新能源汽车的路段拥堵等级的数值越大,对应的路段的拥堵程度越严重。
以上已对本发明作了十分详细的描述,所以阅读和理解了本说明书后,对本领域技术人员来说,本发明的各种改变和修改将变得明显。所以一切如此改动和修正也包括在此发明中,因此它们在权利要求书的保护范围内。
Claims (9)
1.一种基于多参数分析的新能源汽车电池余量鉴定系统,其特征在于,所述系统包括:
逐时测量器件,设置在新能源汽车内且与电池连接,用于测量下一时刻之前各个时刻分别对应的各份电池余量,所述各份电池余量的数量与所述新能源汽车的车体重量成反比,下一时刻与下一时刻之前各个时刻在时间轴上均匀间隔分布;
分项检测器件,设置在新能源汽车内且与控制器连接,包括静态存储单元、气温检测单元、视觉检测单元以及等级分析单元,用于获取新能源汽车的各项配置参数,所述新能源汽车的各项配置参数包括所述新能源汽车的车体重量、车外温度、车内乘坐人员数量以及所在路段拥堵等级;其中,所述视觉检测单元内置图像传感器以及视觉分析仪,所述视觉分析仪与所述图像传感器连接,用于基于人体成像特征识别通过所述图像传感器采集的内部环境画面中的各个人体成像区域,并将所述各个人体成像区域的数量作为所述新能源汽车的车内乘坐人员数量;
网络搭建器件,用于搭建完成设定数量的各次训练后的深度神经网络,每一次训练时,所述深度神经网络采用过往时刻测量的电池余量作为输出内容,采用过往时刻之前各个时刻分别对应的各份电池余量以及所述新能源汽车的各项配置参数作为逐项输入内容,完成对所述深度神经网络的一次训练,所述深度神经网络的训练的次数与车内乘坐人员数量正向关联;
余量判断机构,分别与所述逐时测量器件、所述分项检测器件以及所述网络搭建器件连接,用于将下一时刻之前各个时刻分别对应的各份电池余量以及所述新能源汽车的各项配置参数输入到完成设定数量的各次训练后的深度神经网络,并执行完成设定数量的各次训练后的深度神经网络以获得其输出的下一时刻的电池余量预测数值;
策略定制机构,与所述余量判断机构连接,用于基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略;
其中,基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略包括:在所述余量判断机构输出的下一时刻的电池余量预测数值小于等于设定余量阈值时,在下一时刻到来之前提前执行最近充电桩的搜索操作;
其中,基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略还包括:在所述余量判断机构输出的下一时刻的电池余量预测数值与下一时刻之前最近时刻测量的电池余量的差值超过设定差值限量时,发出掉电过度信号。
2.如权利要求1所述的基于多参数分析的新能源汽车电池余量鉴定系统,其特征在于,所述系统还包括:
定位搜索机构,与所述策略定制机构连接,用于基于所述策略定制机构发出的充电桩搜索请求触发对所述新能源汽车周围最近充电桩的搜索操作;
其中,基于所述策略定制机构发出的充电桩搜索请求触发对所述新能源汽车周围最近充电桩的搜索操作包括:根据所述新能源汽车的当前定位数据基于所述策略定制机构发出的充电桩搜索请求触发对所述新能源汽车周围最近充电桩的搜索操作。
3.如权利要求1所述的基于多参数分析的新能源汽车电池余量鉴定系统,其特征在于,所述系统还包括:
中控显示机构,与所述策略定制机构连接,用于显示所述新能源汽车周围最近充电桩的定位数据;
其中,所述中控显示机构还用于显示与所述掉电过度信号对应的文字警示信息。
4.如权利要求1所述的基于多参数分析的新能源汽车电池余量鉴定系统,其特征在于:
所述静态存储单元用于存储所述新能源汽车的各项出厂参数,所述各项出厂参数包括所述新能源汽车的车体重量。
5.如权利要求1所述的基于多参数分析的新能源汽车电池余量鉴定系统,其特征在于:
所述气温检测单元用于检测所述新能源汽车的车体外部气温以作为所述新能源汽车的车外温度输出。
6.如权利要求1所述的基于多参数分析的新能源汽车电池余量鉴定系统,其特征在于:
所述等级分析单元基于所述新能源汽车的定位信息获取所述新能源汽车的当前行驶路段编号,并基于所述新能源汽车的当前行驶路段编号获取所述新能源汽车的当前行驶路段编号对应的路段的拥堵等级以作为所述新能源汽车的路段拥堵等级。
7.如权利要求1所述的基于多参数分析的新能源汽车电池余量鉴定系统,其特征在于:
所述图像传感器设置在所述新能源汽车的车顶的中央位置,用于面对所述新能源汽车的车体内部环境执行光电成像操作以获得所述内部环境画面。
8.如权利要求1所述的基于多参数分析的新能源汽车电池余量鉴定系统,其特征在于:
基于人体成像特征识别所述内部环境画面中的各个人体成像区域,并将所述各个人体成像区域的数量作为所述新能源汽车的车内乘坐人员数量,包括:基于标准人体外形轮廓识别所述内部环境画面中占据像素点数量超过设定数量的图像区域以作为人体成像区域,以获得所述内部环境画面中的各个人体成像区域,并将所述各个人体成像区域的数量作为所述新能源汽车的车内乘坐人员数量。
9.如权利要求1所述的基于多参数分析的新能源汽车电池余量鉴定系统,其特征在于:
基于所述余量判断机构输出的下一时刻的电池余量预测数值定制下一时刻所述新能源汽车的电量管理策略,还包括:在所述余量判断机构输出的下一时刻的电池余量预测数值与下一时刻之前最近时刻测量的电池余量的差值未超过所述设定差值限量时,发出掉电稳定信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310377640.3A CN116338460B (zh) | 2023-04-11 | 2023-04-11 | 基于多参数分析的新能源汽车电池余量鉴定系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310377640.3A CN116338460B (zh) | 2023-04-11 | 2023-04-11 | 基于多参数分析的新能源汽车电池余量鉴定系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116338460A CN116338460A (zh) | 2023-06-27 |
CN116338460B true CN116338460B (zh) | 2024-04-09 |
Family
ID=86877159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310377640.3A Active CN116338460B (zh) | 2023-04-11 | 2023-04-11 | 基于多参数分析的新能源汽车电池余量鉴定系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116338460B (zh) |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005037230A (ja) * | 2003-07-14 | 2005-02-10 | Toyota Motor Corp | 電池劣化検出装置および方法 |
JP2006073485A (ja) * | 2004-09-06 | 2006-03-16 | Pentax Corp | バッテリーチェック装置 |
CN202524071U (zh) * | 2012-03-21 | 2012-11-07 | 洪国修 | 电池交换系统的电池组保护及监控装置 |
CN106585383A (zh) * | 2015-10-16 | 2017-04-26 | 北京新能源汽车股份有限公司 | 电动汽车控制方法和装置 |
CN106725290A (zh) * | 2017-03-10 | 2017-05-31 | 三峡大学 | 一种缆机驾驶员应激能力测试方法 |
CN106815406A (zh) * | 2016-12-22 | 2017-06-09 | 国联汽车动力电池研究院有限责任公司 | 一种基于特征模型的动力电池soc估算方法 |
CN108508372A (zh) * | 2018-04-24 | 2018-09-07 | 中南大学 | 一种基于环境视觉融合的无人驾驶电量计算和预警方法与系统 |
CN108519556A (zh) * | 2018-04-13 | 2018-09-11 | 重庆邮电大学 | 一种基于循环神经网络的锂离子电池soc预测方法 |
CN108899962A (zh) * | 2018-08-17 | 2018-11-27 | 浙江科博达工业有限公司 | 车用usb充电模块及其充电方法 |
CN110605982A (zh) * | 2019-09-23 | 2019-12-24 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电动汽车充电的方法及装置 |
CN112557922A (zh) * | 2020-11-24 | 2021-03-26 | 扬州亚星客车股份有限公司 | 一种针对电动公交车的剩余电量预测系统及方法 |
CN112946484A (zh) * | 2021-02-07 | 2021-06-11 | 中南大学 | 一种基于bp神经网络的soc估计方法、系统、终端设备及可读存储介质 |
CN113258596A (zh) * | 2021-06-16 | 2021-08-13 | 华能澜沧江水电股份有限公司 | 一种基于浅充浅放实现单元电源调节的储能电源充放电策略 |
CN113344278A (zh) * | 2021-06-17 | 2021-09-03 | 北京百度网讯科技有限公司 | 电量预测方法、装置、设备、存储介质和程序产品 |
CN113424067A (zh) * | 2021-05-12 | 2021-09-21 | 华为技术有限公司 | 电池剩余电量预估方法及装置 |
CN114312474A (zh) * | 2021-11-29 | 2022-04-12 | 武汉小安科技有限公司 | 电池管理系统和电单车控制方法 |
CN114954375A (zh) * | 2022-06-02 | 2022-08-30 | 三一重型装备有限公司 | 换电调度方法、系统及换电站 |
CN115144768A (zh) * | 2022-07-04 | 2022-10-04 | 安徽工程大学 | 一种动力锂电池soc在线估计方法 |
CN115372827A (zh) * | 2022-07-11 | 2022-11-22 | 中国北方车辆研究所 | 一种基于长短时记忆网络的电池soc预测方法 |
CN115407217A (zh) * | 2022-11-01 | 2022-11-29 | 北京航空航天大学 | 一种电动汽车锂电池荷电状态在线估计方法及系统 |
CN115616409A (zh) * | 2022-08-31 | 2023-01-17 | 广州小鹏汽车科技有限公司 | 电池荷电状态的计算方法、装置、车辆及存储介质 |
CN115723624A (zh) * | 2021-08-25 | 2023-03-03 | 北京航迹科技有限公司 | 电池状态预测方法、装置和相关产品 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180080995A1 (en) * | 2016-09-20 | 2018-03-22 | Faraday&Future Inc. | Notification system and method for providing remaining running time of a battery |
-
2023
- 2023-04-11 CN CN202310377640.3A patent/CN116338460B/zh active Active
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005037230A (ja) * | 2003-07-14 | 2005-02-10 | Toyota Motor Corp | 電池劣化検出装置および方法 |
JP2006073485A (ja) * | 2004-09-06 | 2006-03-16 | Pentax Corp | バッテリーチェック装置 |
CN202524071U (zh) * | 2012-03-21 | 2012-11-07 | 洪国修 | 电池交换系统的电池组保护及监控装置 |
CN106585383A (zh) * | 2015-10-16 | 2017-04-26 | 北京新能源汽车股份有限公司 | 电动汽车控制方法和装置 |
CN106815406A (zh) * | 2016-12-22 | 2017-06-09 | 国联汽车动力电池研究院有限责任公司 | 一种基于特征模型的动力电池soc估算方法 |
CN106725290A (zh) * | 2017-03-10 | 2017-05-31 | 三峡大学 | 一种缆机驾驶员应激能力测试方法 |
CN108519556A (zh) * | 2018-04-13 | 2018-09-11 | 重庆邮电大学 | 一种基于循环神经网络的锂离子电池soc预测方法 |
CN108508372A (zh) * | 2018-04-24 | 2018-09-07 | 中南大学 | 一种基于环境视觉融合的无人驾驶电量计算和预警方法与系统 |
CN108899962A (zh) * | 2018-08-17 | 2018-11-27 | 浙江科博达工业有限公司 | 车用usb充电模块及其充电方法 |
CN110605982A (zh) * | 2019-09-23 | 2019-12-24 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电动汽车充电的方法及装置 |
CN112557922A (zh) * | 2020-11-24 | 2021-03-26 | 扬州亚星客车股份有限公司 | 一种针对电动公交车的剩余电量预测系统及方法 |
CN112946484A (zh) * | 2021-02-07 | 2021-06-11 | 中南大学 | 一种基于bp神经网络的soc估计方法、系统、终端设备及可读存储介质 |
CN113424067A (zh) * | 2021-05-12 | 2021-09-21 | 华为技术有限公司 | 电池剩余电量预估方法及装置 |
CN113258596A (zh) * | 2021-06-16 | 2021-08-13 | 华能澜沧江水电股份有限公司 | 一种基于浅充浅放实现单元电源调节的储能电源充放电策略 |
CN113344278A (zh) * | 2021-06-17 | 2021-09-03 | 北京百度网讯科技有限公司 | 电量预测方法、装置、设备、存储介质和程序产品 |
CN115723624A (zh) * | 2021-08-25 | 2023-03-03 | 北京航迹科技有限公司 | 电池状态预测方法、装置和相关产品 |
CN114312474A (zh) * | 2021-11-29 | 2022-04-12 | 武汉小安科技有限公司 | 电池管理系统和电单车控制方法 |
CN114954375A (zh) * | 2022-06-02 | 2022-08-30 | 三一重型装备有限公司 | 换电调度方法、系统及换电站 |
CN115144768A (zh) * | 2022-07-04 | 2022-10-04 | 安徽工程大学 | 一种动力锂电池soc在线估计方法 |
CN115372827A (zh) * | 2022-07-11 | 2022-11-22 | 中国北方车辆研究所 | 一种基于长短时记忆网络的电池soc预测方法 |
CN115616409A (zh) * | 2022-08-31 | 2023-01-17 | 广州小鹏汽车科技有限公司 | 电池荷电状态的计算方法、装置、车辆及存储介质 |
CN115407217A (zh) * | 2022-11-01 | 2022-11-29 | 北京航空航天大学 | 一种电动汽车锂电池荷电状态在线估计方法及系统 |
Non-Patent Citations (4)
Title |
---|
State-of-charge (SOC) estimation using T-S Fuzzy Neural Network for Lithium Iron Phosphate Battery;Shuxiang Song;2018 26th International Conference on Systems Engineering (ICSEng);20190210;全文 * |
汽车蓄电池管理方法的研究;孔伟伟;杨殿阁;李兵;连小珉;;汽车工程;20150525(第05期);全文 * |
电动汽车智能充电路径规划算法研究;赵薪智;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑;20180315;全文 * |
电动汽车电池剩余电量计算方法与管理系统的研究;周翔;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑;20140415;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116338460A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106908075B (zh) | 大数据采集与处理系统及基于其电动汽车续航估计方法 | |
US20180370537A1 (en) | System providing remaining driving information of vehicle based on user behavior and method thereof | |
EP4184188A1 (en) | Lithium plating detection method and apparatus for lithium battery | |
CN101750584B (zh) | 电动车用电池组信息即时计算方法及用该方法的电动车辆 | |
CN101966820A (zh) | 一种自适应修正的锂离子电池荷电状态在线监控方法 | |
WO2015185802A1 (en) | Accumulator state indicator | |
US11965935B2 (en) | Method and apparatus for operating a system for providing predicted states of health of electrical energy stores for a device using machine learning methods | |
CN106680720A (zh) | 基于车联网的车载蓄电池失效预警系统及方法 | |
CN106019161A (zh) | 电动车辆动力电池组状态的评估方法及电池管理系统 | |
CN101964018A (zh) | 一种电动车电池soc的估计方法 | |
CN102013529A (zh) | 集成于电动车仪表内车用动力电池组管理系统及控制方法 | |
CN111762096A (zh) | 一种基于人工智能的新能源汽车安全预警方法及系统 | |
CN106585383A (zh) | 电动汽车控制方法和装置 | |
EP3862764B1 (en) | Battery deterioration judging system, battery deterioration judging method, and battery deterioration judging program | |
CN117104074B (zh) | 一种充放电控制的方法及充放电控制系统 | |
CN108001261A (zh) | 基于模糊算法的动力电池荷电状态计算方法及监测装置 | |
CN111619399A (zh) | 基于电动汽车充电桩管理平台的动力电池安全评估装置 | |
CN111562508A (zh) | 在线检测电池包内部单体电池内阻异常的方法 | |
CN117148154A (zh) | 电池的异常状态或故障感测方法及执行其的电池管理系统 | |
WO2021088216A1 (zh) | 电池组荷电状态数据检测方法、装置、介质、终端及汽车 | |
CN116338460B (zh) | 基于多参数分析的新能源汽车电池余量鉴定系统 | |
US20230324463A1 (en) | Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods | |
US11573271B1 (en) | Battery fault detection | |
CN106427590A (zh) | 一种车辆可行驶里程计算方法及显示系统 | |
CN113580989B (zh) | 一种新能源电动汽车超充系统及控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information |
Address after: 3-2-413, No. 5 Xingbin Road, Sino Italian Ningbo Ecological Park, Yuyao, Ningbo, Zhejiang 315400 (Neighborhood Center) Applicant after: Ningbo Hexu Automobile Technology Co.,Ltd. Address before: Room 706, No. 2, Lushan Times City, No. 269, Jinlu Road, Lushan Street, Fuyang District, Hangzhou City, Zhejiang Province, 311400 Applicant before: Hangzhou Hemei Automobile Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |