-
Die Erfindung betrifft ein Verfahren zum Bestimmen eines Gesundheitszustands eines elektrischen Energiespeichers eines zumindest teilweise elektrisch betriebenen Kraftfahrzeugs mittels eines Überwachungssystems gemäß dem geltenden Patentanspruch 1. Ferner betrifft die Erfindung ein Computerprogrammprodukt sowie ein Überwachungssystem.
-
Aus dem Stand der Technik ist bereits bekannt, dass der Gesundheitszustand (State of Health, SOH) eines elektrischen Energiespeichers großen Einfluss auf eine Betriebsstrategie beziehungsweise die Reichweite eines zumindest teilweise elektrisch betriebenen Kraftfahrzeugs nehmen kann. Beispielsweise kann im Laufe eines Lebens des elektrischen Energiespeichers der Gesundheitszustand sich verschlechtern, wodurch eine geringere Ladeleistung und somit eine geringere Reichweite erreicht werden kann. Ferner können Betriebsstrategien, wie beispielsweise Ladestrategien, einem Gesundheitszustand angepasst werden, sodass es zu keiner Zerstörung oder Beeinträchtigung des elektrischen Energiespeichers kommen kann.
-
Hierzu sind bereits Verfahren bekannt, bei welchen auf Basis eines den elektrischen Energiespeicher charakterisierenden Parameters kraftfahrzeugintern der Gesundheitszustand bestimmt werden kann und auf Basis dessen eine Adaption der Betriebsstrategie beziehungsweise der aktuell bestimmten Reichweite realisiert werden kann. Insbesondere sind diese Vorhersagemodelle jedoch oftmals nicht sehr genau oder es ist eine hohe Rechenleistung notwendig, um auf Basis der Vielzahl von zu erfassenden Daten und der Komplexität von existierenden Modellen, welche den Gesundheitszustand beeinflussen können, diesen zu bestimmen.
-
Die
DE10 2018 206 414 A1 betrifft ein Verfahren zum Ermitteln einer einen Zustand einer Kraftfahrzeugbatterie eines ersten Kraftfahrzeugs betreffenden Größe, die einen Zählwert zum Zählen einer bisherigen effektiven Lebensdauer der Kraftfahrzeugbatterie darstellt, und wobei zum Ermitteln des Zählwerts ein Anfangs-Zählwert bereitgestellt wird, mindestens ein die effektive Lebensdauer der Kraftfahrzeugbatterie beeinflussender Parameter erfasst wird, in Abhängigkeit von dem mindestens einen erfassten Parameter ein Schätzwert für den Einfluss des mindestens einen erfassten Parameters auf die effektive Lebensdauer der Kraftfahrzeugbatterie berechnet wird, und der Anfangs-Zählwert auf einen aktuellen Zählwert in Abhängigkeit von dem berechneten Schätzwert erhöht wird.
-
Die
DE10 2018 209 499 A1 betrifft eine Vorrichtung zum Betreiben eines elektrischen Energiespeichers, insbesondere zum Versorgen von Komponenten eines elektrisch betreibbaren Kraftfahrzeugs, wobei für eine oder mehrere Kenngrößen des Energiespeichers jeweils Betriebsgrenzen definiert sind, deren Überschreitung in einem Normalbetrieb des Energiespeichers durch eine Steuereinheit verhindert wird. Die Vorrichtung umfasst eine Schnittstelle zum Empfangen einer nutzerseitigen Anforderungsnachricht, die eine Veränderungsinformation über eine beabsichtigte Verschiebung der Betriebsgrenze zumindest einer Kenngröße umfasst, von einem Gerät. Die Vorrichtung umfasst ferner eine Recheneinheit, die dazu ausgebildet ist, beim Empfangen der Anforderungsnachricht die Verschiebung der Betriebsgrenze zumindest einer der Kenngrößen in Abhängigkeit zumindest einer, für den Energiespeicher hinterlegten Operationshistorie, die eine aus einer oder mehreren der Kenngrößen des Energiespeichers abgeleiteten Information über in der Vergangenheit liegende Betriebsbedingung des Energiespeichers repräsentiert, zu überprüfen und zuzulassen, wenn zumindest eine der folgenden Bedingungen erfüllt ist: eine aus der zumindest einen Operationshistorie ermittelte Information, die den aktuellen Gesundheitszustand repräsentiert, erfüllt ein vorgegebenes Kriterium; und/oder ein in Abhängigkeit des aktuellen Gesundheitszustands durch die Recheneinheit initiierte monetäre Transaktion wurde abgeschlossen.
-
Die
DE10 2019 108 387 A1 betrifft ein Verfahren zum Bestimmen einer Belastungshistorie eines mit einer elektrischen Maschine angetriebenen Fahrzeugs, bei welchem fortlaufend zumindest eine Betriebsgröße erfasst wird, wobei die zumindest eine Betriebsgröße einen Betriebszustand eines Hochvoltspeichers des Fahrzeugs beschreibt, und die Belastungshistorie anhand eines zeitlichen Verlaufs der zumindest einen Betriebsgröße bestimmt wird, wobei die Belastungshistorie einen Verschleiß des Hochvoltspeichers während eines Betriebs des Fahrzeugs beschreibt, wobei anhand einer Funktion für erste Zeitbereiche des zeitlichen Verlaufs der zumindest einen Betriebsgröße erste Werte bestimmt werden und zumindest für zweite Zeitbereiche des zeitlichen Verlaufs der zumindest einen Betriebsgröße zweite Werte bestimmt werden, wobei sich die ersten Zeitbereiche von den zweiten Zeitbereichen unterscheiden, und die Belastungshistorie anhand der ersten Werte und der zweiten Werten bestimmt wird.
-
Aufgabe der vorliegenden Erfindung ist es ein Verfahren, ein Computerprogrammprodukt sowie ein Überwachungssystem zu schaffen, mittels welchem verbessert ein Gesundheitszustand eines elektrischen Energiespeichers eines zumindest teilweise elektrisch betriebenen Kraftfahrzeugs bestimmt werden kann.
-
Diese Aufgabe wird durch ein Verfahren, ein Computerprogrammprodukt, sowie ein Überwachungssystem gemäß den unabhängigen Patentansprüchen gelöst. Vorteilhafte Ausgestaltungsformen sind in den Unteransprüchen angegeben.
-
Ein Aspekt der Erfindung betrifft ein Verfahren zum Bestimmen eines Gesundheitszustands eines elektrischen Energiespeichers eines zumindest teilweise elektrisch betriebenen Kraftfahrzeugs mittels eines Überwachungssystems. Es erfolgt das Erfassen von zumindest einem einen weiteren elektrischen Energiespeicher eines weiteren zumindest teilweise elektrisch betriebenen Kraftfahrzeugs weiteren charakterisierenden Parameter. Der weitere charakterisierende Parameter wird an eine elektronische Recheneinrichtung des Überwachungssystems übertragen. Ein mathematisches Modell zur Bestimmung des Gesundheitszustands wird mittels einer künstlichen Intelligenz der elektronischen Recheneinrichtung zur Bestimmung des Gesundheitszustands mittels einer künstlichen Intelligenz der elektronischen Recheneinrichtung in Abhängigkeit von dem übertragenen weiteren charakterisierenden Parameter trainiert. Es erfolgt das Erfassen von zumindest einem den elektrischen Energiespeicher des Kraftfahrzeugs charakterisierenden Parameter. Der charakterisierende Parameter wird an die elektronische Recheneinrichtung übertragen. Es erfolgt das Auswerten des charakterisierenden Parameters mittels des trainierten mathematischen Modells und das Bestimmen des Gesundheitszustands in Abhängigkeit von der Auswertung.
-
Insbesondere kann somit auf Basis von dem weiteren charakterisierenden Parameter zuverlässig das mathematische Modell mittels der künstlichen Intelligenz trainiert werden. Mit dem trainierten mathematischen Modell wiederum kann dann die Auswertung des charakterisierenden Parameters der elektronischen Recheneinrichtung realisiert werden. Insbesondere kann somit auf Schwarmwissen des weiteren Kraftfahrzeugs zurückgegriffen werden, wodurch ein umfänglicheres Bild des Gesundheitszustands realisiert werden kann. Ferner kann beispielsweise die elektronische Recheneinrichtung als Backend bereitgestellt werden, wodurch Rechenleistung am Backend bereitgestellt ist, wodurch wiederum Rechenleistungen in dem Kraftfahrzeug nicht genutzt werden müssen beziehungsweise weniger Rechenleistung im Kraftfahrzeug verbaut werden muss.
-
Insbesondere findet somit die Bestimmung des Gesundheitszustands auf Basis einer künstlichen Intelligenz statt. Dadurch kann die Nutzung und die Verarbeitung von vielen Daten, insbesondere der Schwarmdaten weiterer Kraftfahrzeuge, durch die künstliche Intelligenz realisiert werden, wodurch eine genauere Vorhersage des Gesundheitszustands, welcher auch als state of health (SoH) bezeichnet wird, durchgeführt werden kann und somit die verbleibende Lebensdauer des elektrischen Energiespeichers verbessert bestimmt werden kann.
-
Insbesondere ist somit vorgesehen, dass die energiespeicherrelevanten Daten von einer Fahrzeugflotte gesammelt werden. Diese Daten werden dann beispielsweise auch in den weiteren Kraftfahrzeugen vorbereitet und an die elektronische Recheneinrichtung übertragen. Die künstliche Intelligenz wird mit den Flottendaten trainiert. Durch die künstliche Intelligenz kann dann ein repräsentativer Wert für den Gesundheitszustand des elektrischen Energiespeichers und somit für eine mögliche verbleibende Lebensdauer bestimmt werden. Dieser Wert wird dann genutzt, um den momentanen Wert in der elektronischen Recheneinrichtung zu überschreiben.
-
Insbesondere kann somit vorgesehen sein, dass das Überwachungssystem ferner zumindest eine Kommunikationseinrichtung aufweist, wobei die Kommunikationseinrichtung zum Kommunizieren mit dem Kraftfahrzeug und dem weiteren Kraftfahrzeug ausgebildet ist.
-
Gemäß einer vorteilhaften Ausgestaltungsform ist die künstliche Intelligenz als ein neuronales Netzwerk bereitgestellt. Insbesondere kann mittels des neuronalen Netzwerks zuverlässig der Gesundheitszustand bestimmt werden. Das neuronale Netzwerk kann eine unterschiedliche Anzahl von Knoten und Schichten aufweisen, je nachdem, wie viele Daten gesammelt und verarbeitet werden müssen. Somit kann in Abhängigkeit einer Anzahl von Daten die Ausgestaltungsform des neuronalen Netzwerks bestimmt werden.
-
Weiterhin vorteilhaft ist, wenn die elektronische Recheneinrichtung als kraftfahrzeugexterne, zentrale elektronische Recheneinrichtung bereitgestellt wird. Insbesondere wird die elektronische Recheneinrichtung somit als Backend bereitgestellt. Dies hat insbesondere den Vorteil, dass Rechenkapazität aus dem Kraftfahrzeug ausgelagert ist, wodurch beispielsweise auch im zumindest teilweise elektrisch betriebenen Kraftfahrzeug weniger elektrische Energie für die Berechnung beziehungsweise Bestimmung des Gesundheitszustands aufgewendet werden muss und weniger Rechenkapazität im Kraftfahrzeug bereitgestellt werden muss.
-
In einer weiteren vorteilhaften Ausgestaltungsform wird eine Vielzahl von weiteren charakterisierenden Parametern von einer Vielzahl von weiteren Kraftfahrzeugen erfasst und das mathematische Modell wird mittels der Vielzahl von weiteren charakterisierenden Parametern trainiert. Insbesondere kann somit auf sogenanntes Schwarmwissen zurückgegriffen werden, wodurch von unterschiedlichen Kraftfahrzeugen die unterschiedlichen charakterisierenden Parameter erfasst werden können. Somit kann vollumfänglich das mathematische Modell trainiert werden, sodass sehr detailliert und umfangreich der Gesundheitszustand des elektrischen Energiespeichers auf Basis der Schwarmdaten bestimmt werden kann.
-
Weiterhin vorteilhaft ist, wenn als charakterisierender Parameter und/oder als weiterer charakterisierender Parameter eine Umgebungstemperatur und/oder ein Ladezustand einer Batteriezelle des elektrischen Energiespeichers und/oder ein Kilometerstand des Kraftfahrzeugs und/oder eine Batteriezelltemperatur des elektrischen Energiespeichers und/oder eine Region, indem sich das Kraftfahrzeug befindet, und/oder ein Typschlüssel des elektrischen Energiespeichers und/oder ein Alter des elektrischen Energiespeichers und/oder ein Amperstunden-Durchsatz des elektrischen Energiespeichers und/oder eine Anzahl von Ladezyklen des elektrischen Energiespeichers und/oder eine Wetterinformation erfasst werden. Weitere Parameter können beispielsweise die durchschnittliche Entladetiefe, ein durchschnittlicher Ladestrom und ein durchschnittlicher Entladestrom sein. Die Aufzählungen sind rein beispielhaft und keinesfalls abschließende. Es können auch weitere Parameter erfasst werden. Die hier aufgezeigten charakterisierenden Parameter sind sowohl für das Kraftfahrzeug als auch für das weitere Kraftfahrzeug erfassbar. Ferner sind die charakterisierenden Parameter sowohl für den elektrischen Energiespeicher als auch für den weiteren elektrischen Energiespeicher erfassbar. Insbesondere ist es möglich, dass kraftfahrzeugintern mittels einer entsprechenden Erfassungseinrichtung im Kraftfahrzeug beziehungsweise im weiteren Kraftfahrzeug, die entsprechenden charakterisierenden Parameter beziehungsweise die weiteren charakterisierenden Parameter erfasst werden können. Diese können dann wiederum über eine entsprechende Kommunikationseinrichtung direkt als Rohdaten an die elektronische Recheneinrichtung übertragen werden, oder kraftfahrzeugintern aufbereitet werden und somit als aufbereitete Daten an die elektronische Recheneinrichtung übertragen werden.
-
In einer weiteren vorteilhaften Ausgestaltungsform wird in Abhängigkeit von dem bestimmten Gesundheitszustand zumindest eine Betriebsstrategie des elektrischen Energiespeichers angepasst. Beispielsweise kann eine Reichweitenanpassung in Abhängigkeit des bestimmten Gesundheitszustands durchgeführt werden. Ferner können entsprechende Ladestrategien beziehungsweise Entladestrategien sowie Temperierstrategien entsprechend des Gesundheitszustands angepasst werden. Des Weiteren kann auch eine Betriebsstrategie für einen Fahrer des Kraftfahrzeugs entsprechend angepasst werden, sodass diesem vorgeschlagen wird, wie entsprechende Fahrmanöver zu fahren sind. Somit ist es ermöglicht, dass auf Basis des bestimmten Gesundheitszustands ein verbesserter Betrieb des Kraftfahrzeugs ermöglicht ist.
-
Ebenfalls vorteilhaft ist, wenn mit dem charakterisierenden Parameter das mathematische Modell weitertrainiert wird. Insbesondere kann somit auch der aktuell erfasste charakterisierende Parameter zukünftig berücksichtigt werden, sodass das mathematische Modell hochaktuell gehalten ist. Mit anderen Worten wird das mathematische Modell durch den charakterisierenden Parameter ebenfalls weitertrainiert und der charakterisierende Parameter kann zukünftig im mathematischen Modell mitberücksichtigt werden.
-
In einer weiteren vorteilhaften Ausgestaltungsform wird der zumindest eine weitere charakterisierende Parameter als historischer Parameter erfasst und abgespeichert. Insbesondere handelt es sich somit bei dem weiteren charakterisierenden Parameter um eine historische Information eines weiteren Kraftfahrzeugs, welcher in der Historie, also in der Vergangenheit, aufgenommen beziehungsweise erfasst worden ist. Beispielsweise kann es sich bei dem charakterisierenden Parameter um ein Parameter handeln, welcher vor zwei Jahren, vor einem Jahr, vor sechs Monaten, vor drei Monaten, vor zwei Monaten, vor einem Monat, vor zwei Wochen, vor einer Woche, vor drei Tagen, vor zwei Tagen, vor einem Tag, vor zwölf Stunden, vor sechs Stunden, vor drei Stunden oder dergleichen, aufgezeichnet wurde. Die zeitlichen Angaben sind keinesfalls abschließend, sondern dienen nur der Veranschaulichung. Somit können sowohl sehr aktuelle charakterisierende Parameter als auch weiter zurückliegende charakterisierende Parameter mitberücksichtigt werden, wodurch ein umfängliches Modell zum Bestimmen des Gesundheitszustands bereitgestellt werden kann.
-
Bei dem vorgeschlagenen Verfahren handelt es sich um ein computerimplementiertes Verfahren. Daher betrifft ein weiterer Aspekt der Erfindung ein Computerprogrammprodukt mit Programmcodemitteln, welche eine elektronische Recheneinrichtung zu veranlassen, wenn die Programmcodemittel von der elektronischen Recheneinrichtung abgearbeitet werden, ein Verfahren nach dem vorhergehenden Aspekt durchzuführen. Ferner betrifft die Erfindung auch ein computerlesbares Speichermedium mit dem Computerprogrammprodukt.
-
Ein nochmals weiterer Aspekt der Erfindung betrifft ein Überwachungssystem zum Bestimmen eines Gesundheitszustands eines elektrischen Energiespeichers eines zumindest teilweise elektrisch betriebenen Kraftfahrzeugs, mit zumindest einer elektronischen Recheneinrichtung, wobei das Überwachungssystem zum Durchführen eines Verfahrens nach dem vorhergehenden Aspekt ausgebildet ist. Insbesondere wird das Verfahren mittels des Überwachungssystems durchgeführt.
-
Die elektronische Recheneinrichtung ist insbesondere als zentrale, kraftfahrzeugexterne elektronische Recheneinrichtung ausgebildet. Die elektronische Recheneinrichtung weist beispielsweise Prozessoren, Schaltkreise, insbesondere integrierte Schaltkreise, sowie weitere elektronische Bauteile auf, um ein entsprechendes Verfahren durchführen zu können. Bei dem Kraftfahrzeug handelt es sich insbesondere um ein zumindest teilweise elektrisch betriebenes Kraftfahrzeug. Alternativ kann das Kraftfahrzeug auch vollelektrisch betrieben sein.
-
Weitere Merkmale der Erfindung ergeben sich aus den Ansprüchen, den Figuren und der Figurenbeschreibung. Die vorstehend in der Beschreibung genannten Merkmale und Merkmalskombinationen sowie die nachfolgend in der Figurenbeschreibung genannten und/oder in den Figuren alleine gezeigten Merkmale und Merkmalskombinationen sind nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar.
-
Die Erfindung wird nun anhand eines Ausführungsbeispiels unter Bezugnahme auf die Zeichnungen näher erläutert. Es zeigen:
- 1 ein schematisches Ablaufdiagramm gemäß einer Ausführungsform des Verfahrens; und
- 2 eine schematische Seitenansicht einer Ausführungsform eines Überwachungssystems.
-
In den Figuren sind gleiche oder funktionsgleiche Elemente mit den gleichen Bezugszeichen versehen.
-
1 zeigt ein schematisches Ablaufdiagramm gemäß einer Ausführungsform des Verfahrens. Insbesondere zeigt die 1 ein Verfahren zum Bestimmen eines Gesundheitszustands 10 eines elektrischen Energiespeichers 12 (2) eines elektrischen Energiespeichers 12 (2) eines zumindest teilweise elektrisch betriebenen Kraftfahrzeugs 14 (2) mittels eines Überwachungssystem 16 (2).
-
Es erfolgt in einem ersten Schritt S1 das Erfassen zumindest eines weiteren charakterisierenden Parameters 22 von zumindest einem weiteren elektrischen Energiespeicher 18 eines weiteren zumindest teilweise elektrisch betriebenen Kraftfahrzeugs 20. Es erfolgt in einem zweiten Schritt S2 das Übertragen des weiteren charakterisierenden Parameters 22 an eine elektronische Recheneinrichtung 24 des Überwachungssystems 16. Es wird ein mathematisches Modell 26 zur Bestimmung des Gesundheitszustands 10 mittels einer künstlichen Intelligenz 28 der elektronischen Recheneinrichtung 24 in Abhängigkeit von dem übertragenen weiteren charakterisierenden Parameter 22 in einem dritten Schritt S3 durchgeführt.
-
In einem vierten Schritt S4 wird zumindest ein charakterisierender Parameter 30 des elektrischen Energiespeichers 12 des Kraftfahrzeugs 14 erfasst. Im fünften Schritt S5 erfolgt dann das Übertragen des charakterisierenden Parameters 30 an die elektronische Recheneinrichtung 24. Es wird in einem sechsten Schritt S6 der charakterisierende Parameter 30 mittels des trainierten mathematischen Modells 26 ausgewertet und es erfolgt ein Bestimmen des Gesundheitszustands 10 in Abhängigkeit von der Auswertung.
-
Insbesondere kann vorgesehen sein, dass die künstliche Intelligenz 28 als neuronales Netzwerk bereitgestellt wird.
-
2 zeigt eine schematische Seitenansicht gemäß einer Ausführungsform des Überwachungssystems 16. Insbesondere ist gezeigt, dass die elektronische Recheneinrichtung 24 kraftfahrzeugextern, insbesondere zentral, ausgebildet sein kann. Insbesondere kann die elektronische Recheneinrichtung 24 als sogenanntes Backend ausgebildet sein. Ferner zeigt die 2, dass eine Vielzahl von weiteren charakterisierenden Parametern 22 für eine Vielzahl von weiteren Kraftfahrzeugen 20 erfasst wird und das mathematische Modell 26 mittels der Vielzahl von weiteren charakterisierenden Parametern 22 trainiert wird.
-
Weiterhin kann vorgesehen sein, dass in Abhängigkeit des bestimmten Gesundheitszustands 10 zumindest eine Betriebsstrategie des elektrischen Energiespeichers 12 angepasst wird. Ferner kann vorgesehen sein, dass das mathematische Modell 26 mit dem charakterisierenden Parameter 30 weitertrainiert wird.
-
Bei dem weiteren charakterisierenden Parameter 22 handelt es sich insbesondere um einen historischen Parameter, insbesondere um sogenannte Schwarmdaten bezüglich der weiteren elektrischen Energiespeicher 18 der weiteren Kraftfahrzeuge 20.
-
Bei dem charakterisierenden Parameter 30 und/oder bei dem weiteren charakterisierenden Parameter 22 handelt es sich beispielsweise um eine Umgebungstemperatur der Kraftfahrzeuge 14, 20 und/oder einen Ladezustand einer Batteriezelle der elektrischen Energiespeicher 12, 18 und/oder einen Kilometerstand der Kraftfahrzeuge 14, 20 und/oder eine Batteriezelltemperatur des elektrischen Energiespeichers 12, 18 und/oder eine Region, indem sich die Kraftfahrzeuge 14, 20 befinden, und/oder einen Typschlüssel des elektrischen Energiespeichers 12, 18 und/oder ein Alter des elektrischen Energiespeichers 12, 18 und/oder einen Amperstunden-Durchsatz des elektrischen Energiespeichers 12, 18 und/oder eine Anzahl von Ladezyklen des elektrischen Energiespeichers 12, 18 und/oder eine Wetterinformation.
-
Insbesondere ist somit vorgeschlagen, dass zunächst die batterierelevanten Daten der Fahrzeugflotte, vorliegend insbesondere durch die weiteren Kraftfahrzeuge 20 gebildet, gesammelt werden. Diese Daten können beispielsweise aus der Umgebungstemperatur, dem Ladezustand der Batteriezellen der elektrischen Energiespeicher 12, 18 oder den Kilometerstand der Kraftfahrzeuge 20 gebildet sein. Weitere Daten sind beispielsweise die Batteriezelltemperatur, das Land, indem sich die Kraftfahrzeuge 14, 20 befinden, der Typschlüssel, dass Alter des elektrischen Energiespeichers 12, 18, der Amperstunden-Durchsatz, sowie Daten bezüglich der Ladezyklen, sowie das momentane Wetter oder dergleichen.
-
Im nächsten Schritt werden die gesammelten und in den weiteren Kraftfahrzeugen 20 vorbereiteten Daten an ein Backend gesendet, indem ein künstliches neuronales Netzwerk mit den Flottendaten trainiert wird. Durch die künstliche Intelligenz 28 kann dann ein representativer Wert für den Gesundheitszustand 10 des elektrischen Energiespeichers 12 und somit für eine mögliche verbleibende Lebensdauer bestimmt werden. Dieser Wert wird dann genutzt, um den momentanen Wert innerhalb der elektronischen Recheneinrichtung 24 zu überschreiben.
-
Im nächsten Schritt beginnt der Zyklus der Messung der Daten durch das Kraftfahrzeug 14 und die Sammlung und Vorbereitung der Daten im Kraftfahrzeug 14 wieder von neuem.
-
Durch diesen neuen Ansatz kann eine Vielzahl von Daten genutzt und verarbeitet werden, indem das künstliche neuronale Netz verwendet wird und somit kann eine genaue Vorhersage des Gesundheitszustands 10 und somit der verbleibenden Lebensdauer des elektrischen Energiespeichers 12 realisiert werden.
-
Bezugszeichenliste
-
- 10
- Gesundheitszustand
- 12
- elektrischer Energiespeicher
- 14
- Kraftfahrzeug
- 16
- Überwachungssystem
- 18
- weiterer elektrischer Energiespeicher
- 20
- weiteres Kraftfahrzeug
- 22
- weiterer charakterisierender Parameter
- 24
- elektronische Recheneinrichtung
- 26
- mathematisches Modell
- 28
- künstliche Intelligenz
- 30
- charakterisierender Parameter
- S1 - S7
- Schritte des Verfahren
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102018206414 A1 [0004]
- DE 102018209499 A1 [0005]
- DE 102019108387 A1 [0006]
