FR2884928A1 - Procede et dispositif de detection de l'etat charge d'une batterie d'accumulateurs fondes sur un calcul de reseau neuronal - Google Patents

Abstract

Un dispositif et un procédé du type à réseau neuronal sont procurés pour détecter un état interne d'une batterie d'accumulateurs mise en oeuvre dans un système de batterie. Les signaux électriques indiquant un état de fonctionnement de la batterie sont détectés et, en utilisant les signaux électriques, des informations indiquant l'état interne de la batterie sont calculées sur la base d'un calcul de réseau neuronal, dans lequel les informations reflètent une réduction d'un effet de polarisation de la batterie d'accumulateurs. En utilisant les signaux électriques, les paramètres d'entrée requis pour calculer l'état interne de la batterie sont calculés. Les paramètres d'entrée peuvent comprendre, en tant que premier paramètre d'entrée, une quantité associée à la polarisation afin de corriger l'effet de la polarisation dans un paramètre de sortie (tel que l'état SOC et/ou l'état SOH) provenant du réseau neuronal. En outre, les paramètres d'entrée peuvent comprendre, en tant que paramètre d'entrée, une valeur fonctionnelle déjà Soumise à la correction destinée à corriger l'effet de la polarisation.

Description

PROCEDE ET DISPOSITIF DE DETECTION DE L'ETAT CHARGE D'UNE

BATTERIE D'ACCUMULATEURS FONDES SUR UN CALCUL DE RESEAU NEURONAL ARRIEREPLAN DE L'INVENTION (Domaine de l'invention) La présente invention se rapporte à un système de batterie comportant un type de dispositif à réseau neuronal destiné à détecter un état chargé d'une batterie d'accumulateurs (rechargeable) et en particulier à une amélioration de la détection de stades internes (tels que des états chargés) de la batterie qui est par exemple montée sur des véhicules.

(Description de la technique apparentée)

Un système de batterie embarqué sur un véhicule est le plus couramment constitué d'une batterie d'accumulateurs telle qu'une batterie au plomb. Dans une telle batterie d'accumulateurs, un certain degré de dégradation donne des fluctuations aux corrélations entre les quantités électriques d'une batterie, telles que la tension et le courant, et les quantités d'état chargé de la batterie, telles que l'état de charge (SOC) et un état de santé (SOH). L'état SOC indique un taux de charge [%] d'une batterie et l'état SOH indique une capacité résiduelle [Ah] d'une batterie. Donc, à mesure que la dégradation avance dans la batterie, la précision de la détection de l'état SOC et/ou de l'état SOH sera également dégradée, en conséquence de quoi l'état SOC et/ou l'état SOH fluctuera d'une batterie à l'autre. Ces problèmes rendent difficile de détecter, avec précision, l'état SOC et/ou l'état SOH de chacune des batteries d'accumulateurs qui sont produites en série. En conséquence, pour éviter de telles fluctuations du côté sécurité, les fluctuations devraient être prises en compte dans une plage de charge et de décharge utilisable de chaque batterie d'accumulateurs, avec pour résultat que la plage doit être plus étroite.

Certaines références connues, qui sont par exemple les publications mises à la disposition du public de brevets japonais N 9-243 716 et 2003-249 271, proposent une technique pour améliorer la situation ci-dessus. C'està-dire que ces références proposent une manière de détecter l'état SOC et/ou l'état SOH d'une batterie d'accumulateurs par le biais de l'utilisation d'un réseau neuronal (lequel est appelé "type à réseau neuronal de détection d'état de batterie").

Par exemple, la publication N 9-243 716 procure une technique de détection de la capacité résiduelle Te d'une batterie, dans laquelle des paramètres d'entrée comprenant au moins une tension en circuit ouvert OCV, une tension VO détectée immédiatement après le début d'une décharge, et une résistance interne sont utilisés pour permettre à un réseau neuronal ayant subi un apprentissage de calculer la capacité résiduelle Te. La publication N 2003-249 271 procure également une technique de détection de la capacité résiduelle d'une batterie, dans laquelle des données de tension, de courant et de résistance interne d'une batterie et une température sont appliquées en entrée à un premier réseau neuronal ayant subi un apprentissage pour calculer des informations représentant des dégradations de la batterie, et ces informations et les données de tension, de courant et de résistance interne de la batterie sont alors appliquées en entrée à un second réseau neuronal ayant subi un apprentissage pour calculer la capacité résiduelle de la batterie.

Cependant, dans des cas où l'état SOC et/ou l'état SOH d'une batterie d'accumulateurs sont calculés sur la base des techniques procurées par les publications précédentes, la capacité résiduelle de la batterie d'accumulateurs résulte en une détection présentant une précision médiocre, même si à la fois la taille du circuit et la charge de calculs pour de telles techniques doivent être plus grandes par comparaison à une technique de détection de capacité résiduelle ne comportant aucun calcul de réseau neuronal. En conséquence, tout d'abord, pour une utilisation pratique, la détection a manqué de précision. Il est en conséquence nécessaire d'augmenter la précision beaucoup plus. Deuxièmement, il est nécessaire que la détection fondée sur le calcul du réseau neuronal soit davantage augmentée, la taille du circuit et la quantité de calculs étant diminuées (ou en évitant tout au moins qu'elles augmentent).

RESUME DE L'INVENTION La présente invention a été réalisée avec les éléments ci-dessus à l'esprit, et a pour but de procurer un procédé et un dispositif de détection, avec précision, d'informations indicatives de la capacité résiduelle d'une batterie d'accumulateurs sur la base d'un calcul de réseau neuronal, en évitant qu'augmentent de manière excessive à la fois la taille du circuit et la quantité de calculs.

Pour atteindre le premier but ci-dessus, en tant qu'aspect fondamental de la présente invention, il est procuré un type de dispositif à réseau neuronal destiné à détecter un état interne d'une batterie d'accumulateurs mise en oeuvre dans un système de batterie, le dispositif comprenant un moyen de détection destiné à détecter des signaux électriques indiquant un état de fonctionnement de la batterie, et un moyen de calcul destiné à calculer, en utilisant les signaux électriques, les informations indiquant l'état interne de la batterie sur la base du calcul du réseau neuronal, les informations reflétant une réduction d'un effet de polarisation de la batterie d'accumulateurs.

En pratique, l'état interne de la batterie est un état chargé de la batterie et comprend un état SOH (état de santé) et un état SOC (état de charge).

On préfère que le moyen de calcul comprenne un moyen de production destiné à produire, en utilisant les signaux électriques, un paramètre d'entrée nécessaire pour calculer l'état interne de la batterie, le paramètre d'entrée comprenant i) une quantité associée à la polarisation se rapportant à un courant de charge et de décharge circulant au cours du dernier intervalle de temps prédéterminé qui affecte une valeur de polarisation de la batterie d'accumulateurs et ii) des données indiquant une tension de la batterie d'accumulateurs et un courant venant de et allant vers la batterie d'accumulateurs, et un moyen d'estimation destiné à estimer un paramètre de sortie servant d'informations indiquant l'état interne de la batterie en appliquant le paramètre d'entrée au calcul du réseau neuronal.

La quantité associée à la polarisation est par exemple une valeur intégrée de courant obtenue par intégration du courant acquis au cours du dernier intervalle prédéterminé de calcul.

Une valeur de polarisation provoquée dans une batterie d'accumulateurs présente une corrélation élevée avec une valeur intégrée d'un courant de charge/décharge intégré au cours du dernier intervalle court de calcul (mesure). Un tel intervalle dure par exemple de 5 à 10 minutes. Donc, en utilisant un simple calcul (dans ce cas, une intégration), la quantité associée à la polarisation, qui exprime tout à fait la quantité de polarisation rée=lle, peut être calculée.

Lorsque les paramètres d'entrée comprennent, comme faisant partie de ceuxci, la quantité associée à la polarisation, la quantité de calculs nécessaires pour le calcul du réseau neuronal n'augmente pas autant. La quantité de calculs étant maintenue à un niveau modéré ou l'augmentation de la quantité de calculs étant maintenue à un faible niveau, le fait de prendre en compte la quantité associée à la polarisation en tant que partie des paramètres d'entrée permet que l'état de charge de la batterie soit calculé avec précision, par comparaison à un calcul qui ne prend pas en compte cette quantité associée à la polarisation.

Cela est fondé sur le fait que la tension de la batterie d'accumulateurs est affectée par la polarisation provoquée dans la batterie. Donc, l'ajout de la quantité associée à la polarisation, en tant que paramètre, aux paramètres d'entrée pour le calcul du réseau neuronal permet d'annuler une composante de tension de polarisation incluse dans la tension.

La composante de tension de polarisation est réactive pour obtenir le paramètre de sortie. L'annulation conduit à une amélioration de la précision pour estimer l'état interne de la batterie.

En conséquence, en n'ajoutant qu'un seul paramètre (la quantité associée à la polarisation), l'état interne (état chargé) de la:batterie peut être détecté avec une grande précision, tout en maintenant encore la quantité de calculs à un niveau plus bas.

On préfère également que le moyen de calcul comprenne un moyen de production destiné à produire, en utilisant les signaux électriques, un paramètre d'entrée requis pour calculer l'état interne de la batterie, le paramètre d'entrée comprenant une valeur fonctionnelle correspondant à l'état interne de la batterie d'accumulateurs, la valeur fonctionnelle reflétant la réduction d'un effet de polarisation de la batterie d'accumulateurs, et un moyen d'estimation destiné à estimer un paramètre de sortie servant d'informations indiquant l'état interne de la batterie en appliquant le paramètre d'entrée au calcul du réseau neuronal.

Ce mode de réalisation préféré de la présente invention est réalisé selon le fait que la valeur fonctionnelle (par exemple la tension en circuit ouvert et la résistance interne) extraite des données de l'état interne de la batterie (par exemple les données d'historique appariées de tension/courant) est grandement affectée par la polarisation de la batterie. En particulier, ce mode de réalisation préféré est réalisé en considérant le fait que la tension en circuit ouvert et la résistance interne précédentes fluctuent en fonction d'un degré de la polarisation provoquée dans la batterie.

En conséquence, on évite que la valeur fonctionnelle, qui est composée, par exemple, d'une tension en circuit ouvert et d'une résistance interne, et se corrèle à une quantité chargée (ou quantité dégradée) de la batterie, ne soit influencée par la polarisation. En utilisant, en tant que partie des paramètres d'entrée, la valeur fonctionnelle (par exemple la tension en circuit ouvert et la résistance interne) qui a déjà été presque libérée de l'influence de la polarisation, le calcul du réseau neuronal peut en conséquence être effectué avec une plus grande précision. Donc, les avantages similaires à ceux qui précèdent peuvent être procurés, en plus de demander moins de temps de calcul, du fait que le nombre de paramètres d'entrée n'est pas modifié du tout, (c'est-à-dire qu'une partie des paramètres d'entrée est remplacée par un ou des nouveaux paramètres, dont l'influence de la polarisation a été également éliminée).

En tant qu'autre aspect de la présente invention, il est procuré un procédé de détection d'un état interne d'une batterie d'accumulateurs mise en oeuvre dans un système de batterie, comprenant les étapes consistant à détecter des signaux électriques indiquant un état de fonctionnement de la batterie, et calculer, en utilisant les signaux électriques, des informations indiquant l'état interne de la batterie sur la base du calcul du réseau neuronal, les informations reflétant une réduction d'un effet de polarisation de la batterie d'accumulateurs.

BREVE DESCRIPTION DES DESSINS

Dans les dessins annexés.

La figure 1 est un schéma synoptique représentant les circuits d'un système de batterie embarqué sur un véhicule adopté par un premier mode de réalisation conforme à la présente invention, La figure 2 est un schéma synoptique représentant la configuration d'un détecteur d'état de batterie employé par le 5 premier mode de réalisation, La figure 3 est un chronogramme expliquant l'acquisition de signaux de tension et de courant et le calcul de données à la fois d'une tension en circuit ouvert et d'une résistance interne d'une batterie dans le système de batterie embarqué sur un véhicule, La figure 4 est une mappe à deux dimensions indiquant comment estimer une expression appropriée utilisée pour calculer à la fois une tension en circuit ouvert et une résistance interne de la batterie installée dans le détecteur d'état de batterie, La figure 5 est un organigramme expliquant la manière de calculer une quantité indiquant un état chargé (c'est-à-dire un état interne) de la batterie, La figure 6 est un schéma synoptique fonctionnel expliquant la configuration fonctionnelle d'un calculateur de réseau neuronal employé par le détecteur d'état de la batterie, La figure 7 est un organigramme représentant le traitement exécuté par le calculateur du réseau neuronal, La figure 8 est une table présentant des exemples de 25 diverses batteries utilisées pour les expériences conformes au premier mode de réalisation, Les figures 9 à 11 sont des graphes indiquant chacun les résultats de tests pour un état SOC en utilisant la dernière quantité de courant intégré Qx, les tests étant conduits selon les paramètres d'entrée conformément au premier mode de réalisation, Les figures 12 à 14 sont des graphes représentant chacun des résultats de tests pour un état SOC sans utiliser la dernière quantité de courant intégré Qx, les graphes procurant des éléments pour une comparaison avec ceux des figures 9 à 11 du premier mode de réalisation, La figure 15 représente la forme d'onde de la dernière quantité de courant intégré Qx utilisée pour la comparaison, La figure 16 représente des variations de la tension en circuit ouvert qui se corrèlent d'une manière élevée avec la quantité de courant intégré Qx, La figure 17 est un schéma synoptique représentant les circuits d'un système de batterie embarqué sur un véhicule adopté par un second mode de réalisation conforme à la présente invention, La figure 18 est un schéma synoptique fonctionnel expliquant la configuration fonctionnelle d'un calculateur de réseau neuronal employé par le détecteur d'état de batterie du second mode de réalisation, Les figures 19 à 21 sont des graphes représentant chacun des résultats de tests pour un état SOC en utilisant la dernière quantité de courant intégré Qx, les tests étant conduits conformément aux paramètres d'entrée conformément au second mode de réalisation, Les figures 22 à 24 sont des graphes représentant chacun des résultats de tests pour un état SOC sans utiliser la dernière quantité de courant intégré Qx, les graphes procurant des éléments pour une comparaison avec ceux des figures 19 à 21 du second mode de réalisation, La figure 25 est un schéma synoptique représentant les circuits d'un système de batterie embarqué sur un véhicule adopté par un troisième mode de réalisation conforme à la présente invention, La figure 26 est un organigramme expliquant la manière de calculer une quantité indiquant un état chargé (c'est-à-dire un état interne) de la batterie du troisième mode de réalisation, La figure 27 est un schéma synoptique fonctionnel expliquant la configuration fonctionnelle d'un calculateur de réseau neuronal employé par le détecteur d'état de batterie du troisième mode de réalisation, Les figures 28 à 30 sont des graphes représentant chacun des résultats de tests pour un état SOC, les tests étant conduits en utilisant une technique de correction appliquée à une partie des paramètres d'entrée conformément au troisième mode de réalisation, Les figures 31 à 33 sont des graphes indiquant chacun des résultats de tests pour un état SOC, les tests, conduits sans l'utilisation de la technique de correction, procurant des éléments pour une comparaison avec ceux des figures 28 à 30 dans le troisième mode de réalisation, La figure 34 est un graphe destiné à obtenir une correspondance entre l'état SOC et la tension en circuit ouvert 5 dans le cas du test représenté sur la figure 28, La figure 35 est un graphe destiné à obtenir une correspondance entre l'état SOC et la tension en circuit ouvert dans le cas du test représenté sur la figure 31, La figure 36 est un graphe destiné à obtenir une 10 correspondance entre l'état SOC et la résistance interne dans le cas du test représenté sur la figure 28, La figure 37 est un graphe destiné à obtenir une correspondance entre l'état SOC et la résistance interne dans le cas du test représenté sur la figure 31, La figure 38 est un graphe donnant en exemple des variations dans le temps de la tension V, du courant I et de l'indice de polarisation Pn, et La figure 39 illustre les états chargés à la fois d'une batterie flambant neuve et d'une batterie utilisée (dégradée) et les définitions d'un état SOH, d'un état SOC et d'une capacité de charge complète.

DESCRIPTION DETAILLEE DES MODES DE REALISATION PREFERES

Divers modes de réalisation d'un système de batterie embarqué sur un véhicule conforme à la présente invention seront à présent décrits en faisant référence aux dessins annexés.

Les modes de réalisation suivants sont constitués de trois modes de réalisation qui sont: un premier mode de réalisation (y compris des modifications) décrit en association avec les figures 1 à 16 et: 29, un second mode de réalisation (y compris des modifications^ décrit en association avec les figures 17 à 24, et un troisième mode de réalisation (y compris des modifications) décrit en association avec les figures 25 à 38.

Avant une description détaillée des modes de réalisation suivants, l'état chargé d'une batterie (batterie d'accumulateurs, batterie rechargeable) sera défini en faisant référence à la figure 39. Comme illustré, un état SOH (état de santé) (Ah), appelé "capacité résiduelle", désigne une capacité déchargeable actuelle d'une batterie, un état SOC (état de charge) (%), appelé "taux de charge", désigne la proportion d'une capacité résiduelle d'une batterie par rapport à une capacité de charge complète de celle-ci, et une capacité de charge complète Q (Ah) désigne une capacité pouvant être chargée actuelle d'une batterie. Donc, à titre d'exemple, on suppose qu'une batterie neuve, qui n'a pas encore été utilisée, présente un état SOH de 64 Ah, correspondant à un état SOC de 100 % (c'est-à-dire une capacité de charge complète de 64 Ah). Dans cette batterie, un état SOH de 25,6 Ah correspond à un état SOC de 40 %. Et l'on suppose que cette nouvelle batterie a été utilisée et que sa capacité de charge s'est dégradée de manière considérable de sorte que la capacité de charge complète est de 40 Ah. Cependant, cette valeur de capacité correspond encore à un état SOC de 100 % et, dans ce cas, un état SOC de 40 % signifie un état SOH de 16,0 Ah.

(Premier mode de réalisation) En faisant référence aux figures 1 à 14, un premier mode de réalisation du système de batterie embarqué sur un véhicule sera à présent décrit. Ce système de batterie embarqué sur un véhicule est fondé sur un type de calcul à réseau neuronal et correspond à un système de batterie conforme à la présente invention.

Comme indiqué sur la figure 1, le système de batterie embarqué sur un véhicule est muni d'une batterie embarquée sur véhicule (appelée ci-après simplement "batterie") 1 et d'autres composants électriques comprenant un générateur embarqué 2, un ou des dispositifs électriques 3, un capteur de courant 4, un détecteur d'état de batterie 5, et une unité de commande de générateur 6. Parmi ceux-ci, comme indiqué, le détecteur d'état de batterie 5 est équipé d'un circuit de prétraitement 7 et d'un calculateur de réseau neuronal 8 et peut être, en partie ou globalement, réalisé soit par calcul sur un logiciel installé dans un système informatique spécialisé, soit par des fonctions de circuits numériques/analogiques spécialisés.

Le générateur embarqué 2 est monté sur le véhicule pour charger la batterie 1 et alimenter le dispositif électrique 3.

Le dispositif électrique 3 fonctionne comme une ou des charges électriques embarquées, qui sont alimentées par la batterie 1 et/ou le générateur 2. Le capteur de courant 4 est placé entre la batterie 1 et le dispositif électrique 2 pour détecter les courants de charge et de décharge allant vers et provenant de la batterie 1. Le détecteur d'état de batterie 5 est une unité de circuit électrique destinée à détecter des signaux indiquant les états de fonctionnement interne (charge/décharge) de la batterie 1. La batterie 1 comporte une borne reliée au détecteur d'état de batterie 5 afin de procurer sa tension aux bornes (simplement sa tension) au détecteur d'état de batterie 5.

Dans le présent mode de réalisation, le détecteur d'état de batterie 5 est formé par un système informatique comportant une unité centrale 101 (unité de traitement centrale), des mémoires 102 et 103, et d'autres composants nécessaires (se référer à la figure 2). Les mémoires 102 et 103 comprennent une mémoire 102 dans laquelle les données de programmes prédéterminés pour le calcul, ayant pour but de détecter un ou plusieurs états chargés de la batterie, sont mémorisées à l'avance. L'unité UC peut lire les données des programmes à chaque fois qu'elle est activée et exécuter alors le calcul selon des procédures fournies par les programmes. L'exécution du calcul procure les fonctions du circuit de prétraitement 7 et du calculateur de réseau neuronal 8, qui seront à présent détaillées respectivement.

D'après un point de vue fonctionnel, le circuit de prétraitement 7 est placé avant le calculateur de réseau neuronal 8 et est configuré pour calculer divers paramètres d'entrée pour le calculateur de réseau neuronal 8. De tels paramètres d'entrée comprennent des données d'historique de tension et de courant Vi et Ii, une tension en circuit ouvert Vo de la batterie 1, et la valeur de courant intégré Qx de la batterie 1. Les paramètres d'entrée peuvent en outre comprendre une résistance interne R de la batterie 1. La tension en circuit ouvert Vo est une tension qui apparaît sur la borne de batterie, à condition qu'un. courant de charge provenant de celle-ci soit considéré comme étant nul. La valeur de courant intégré Qx représente une quantité associée à la polarisation conformément à la présente invention.

En particulier, le circuit de prétraitement 7 applique un échantillonnage simultané à la fois aux données de tension V provenant de la batterie 1 et du courant I provenant du capteur de courant 4 à des intervalles de sorte que ces données V et I puissent être lues sous forme d'une paire de données à chaque temps d'échantillonnage (se référer à la figure 3). Donc un nombre prédéterminé de paires de données, constituées chacune de la tension V et du courant I, sont mémorisées pendant un intervalle de temps prédéterminé. Le nombre prédéterminé de données appariées de la tension V et du courant I acquises au cours du dernier intervalle de temps prédéterminé, qui est juste avant le présent calcul à exécuter, est fourni au calculateur de réseau neuronal 8 en tant que données d'historique de tension et de courant Vi et: Ii (servant en tant que partie de paramètres d'entrée) pour le calcul du réseau neuronal. Au lieu de telles données d'historique de tension et de courant Vi et Ii, une moyenne d'une tension V de la batterie 1 et une moyenne du courant I (courant de charge et de décharge) allant vers et provenant de la batterie 1, les deux étant mesurées sur chacun des intervalles prédéterminés peuvent être utilisées.

Le circuit de prétraitement 7 utilise également ces données d'historique de tension et de courant Vi et Ii appariées pour calculer la tension en circuit ouvert Vo, servant également de partie des paramètres d'entrée pour le calcul du réseau neuronal. En outre, le circuit de prétraitement 7 utilise également les données d'historique de courant Ii pour calculer la valeur de courant intégré Qx, qui représente une quantité associée à la polarisation. Cette valeur de courant intégré Qx est obtenue en intégrant les courants détectés (courants de charge et de décharge) sur la dernière période prédéterminée (par exemple 5 minutes), qui est juste avant le présent calcul à exécuter. L'intégration est exécutée de manière cyclique à chaque période prédéterminée.

A ce propos, la résistance interne R peut être incluse dans les paramètres d'entrée pour le calcul du réseau neuronal.

En faisant référence à la figure 4, la manière de calculer à la fois la tension en circuit ouvert Vo et la résistance interne R sera à présent détaillée, lequel calcul est exécuté par le circuit de prétraitement 7 comme décrit ci-dessus.

Le circuit de prétraitement 7 sera à présent détaillé. Le circuit de prétraitement 7 échantillonne, simultanément et à des intervalles (par exemple T/5 secondes et T est 25 secondes, se référer à la figure 3), à la fois le signal de la tension V de la batterie 1 et le signal du courant I provenant du capteur de courant 4 afin de mémoriser les données indicatives de l'historique de tension de batterie Vi et de l'historique de courant de batterie Ii, et fournit également des données indicatives de la tension V et du courant 1 à chaque instant au 2884928 12 calculateur de réseau neuronal 8. Les données échantillonnées de la tension V et du courant I, qui constituent l'historique de tension de batterie Vi et l'historique de courant de batterie Ii, sont constituées de données acquises à des instants respectifs au cours d'un intervalle de temps prédéterminé (par exemple T = 25 secondes, se référer à la figure 3) précédant l'instant présent. Dans le présent mode de réalisation, à titre d'exemple, les données d'historique de tension Vi et les données d'historique de courant Ii sont échantillonnées à certains intervalles pour procurer cinq données, respectivement (se reporter à la figure 3), mais cela ne constitue pas une liste définitive.

En plus de mémoriser les données indicatives de l'historique de tension Vi de la batterie et l'historique de courant Ii de la batterie, le circuit de prétraitement 7 crée des données qui indiquent une relation entre l'historique de tension Vi de la batterie et l'historique de courant Ii de la batterie et procure au calculateur de réseau neuronal 8 de telles données de relation. Ces données de relation sont créées de sorte que les données à la fois de l'historique de tension Vi et de l'historique de courant Ii sont soumises à la méthode des moindres carrés pour calculer une expression approchée linéaire LN représentant la relation entre la tension et le courant V et I, et l'expression approchée LN est soumise à un calcul du point d'intersection avec l'axe y (correspondant à une tension en circuit ouvert Vo) et/ou de pente (correspondant à une résistance interne R) chaque fois que les paires de tension V et de courant I sont appliquées en entrée, grâce à quoi une valeur présente de la tension en circuit ouvert Vo et/ou une valeur présente de la résistance interne R sont créées (se référer à la figure 3) . Ces valeurs présentes peuvent fonctionner en tant que données de relation entre l'historique de tension Vi et l'historique de courant Ii, comme décrit ci-dessus. La manière de créer l'expression approchée linéaire LN et la manière de calculer la valeur ou les valeurs actuelles Vo et R sur la base de l'expression approchée LN sont connues, et de ce fait des explications détaillées sont omises. La méthode des moindres carrés est utile pour réduire la quantité de données à mémoriser.

Le calculateur de réseau neuronal 8 est configuré pour recevoir divers types de paramètres d'entrée (c'est-à-dire des signaux à appliquer en entrée) provenant à la fois du circuit de prétraitement 7 et applique un calcul de réseau neuronal aux paramètres d'entrée de manière à fournir ensortie des signaux indicatifs d'une quantité d'état de stockage prédéterminée (un état SOC (état de charge) dans le présent mode de réalisation). Dans le présent mode de réalisation, comme décrit, les paramètres d'entrée sont les données de tension et de courant Vi et Ii appariées servant d'informations d'historique de tension et de courant, la tension en circuit ouvert: Vo et la quantité de courant intégré Qx, dont toutes sont les plus récentes.

Les étapes de traitement représentées sur la figure 5, qui sont exécutées en coopération à la fois par le circuit de prétraitement 7 et le calculateur de réseau neuronal 8, seront à présent expliquées.

En réponse au démarrage du moteur, le circuit de prétraitement 7 commence son calcul. Après le démarrage, à la fois le circuit de prétraitement 7 et le calculateur de réseau neuronal 8 réinitialisent des valeurs de courant dans leurs zones de travail (étape Sl). Le circuit de prétraitement 7 détecte alors la tension V et le courant I de la batterie 1 à des intervalles en vue d'une mémorisation (étape S2). Puis, une valeur de la tension en circuit ouvert Vo est calculée par le circuit de prétraitement 7, en vue d'une mémorisation sur la base de la manière déjà décrite (étape S3). Cette valeur en circuit ouvert Vo représente une quantité d'état actuellement dégradé de la batterie 1.

Le circuit de prétraitement 7 calcule alors la quantité de 30 courant intégré précédente Qx en utilisant des données acquises sur le dernier intervalle prédéterminé (étape S4).

Ensuite, toutes les données indiquant les données d'historique de tension et de courant Vi et Ii, la tension en circuit ouvert Vo, et la quantité de courant intégré Qx sont transmises au calculateur de réseau neuronal 8, où le calculateur de réseau neuronal 8 calcule un état SOC (état de charge) de la batterie 1, lequel sert de quantité physique représentant l'état interne de la batterie 1 (étape S5). La manière de calculer l'état SOC sera à présent décrite ultérieurement. La valeur calculée de l'état SOC est fournie depuis le calculateur de réseau neuronal 8 (étape S6).

L'unité de commande de générateur 6 est placée pour commander une quantité d'énergie devant être générée par le générateur embarqué 2 en réponse à la fois à un signal fourni en sortie depuis le calculateur de réseau neuronal 8 et les signaux Sautres venant de divers autres composants non représentés.

En faisant référence à la figure 6, le calculateur de réseau neuronal 8 sera à présent détaillé en ce qui concerne sa configuration fonctionnelle et ses opérations. A titre d'exemple, le calculateur de réseau neuronal 8 est formé en un type de calculateur à trois hiérarchies à commande prédictive qui apprend sur une technique de propagation arrière. Ce type n'est pas déterminant, mais tout type à réseau neuronal, s'il est sélectionné de manière appropriée, peut être appliqué à ce calculateur 8.

Le calculateur de réseau neuronal 8 est composé, sous forme de blocs fonctionnels, d'une couche d'entrée 201, d'une couche intermédiaire 202, et d'une couche de sortie 203. Cependant, en pratique, ce calculateur 8 est configuré pour avoir un système de microcalculateur comprenant une unité centrale UC et des mémoires et l'unité UC exécute de programmes lus à partir d'une mémoire, un traitement logiciel, à des intervalles donnés pour ses calculs.

La couche d'entrée 201 est constituée d'un nombre prédéterminé de cellules d'entrée. Des cellules d'entrée respectives reçoivent non seulement, en tant que données d'entrée (signaux), les données d'historique de tension Vi, les données d'historique de courant Ii, et des valeurs actuelles de la tension en circuit ouvert Vo et de la résistance interne R provenant du circuit de prétraitement 7, mais reçoivent également une valeur de la tension en circuit ouvert Vo obtenue lorsque la quantité prédéterminée d'énergie est déchargée, en provenance du générateur de signal de correction 9. Et les cellules d'entrée respectives transfèrent les données reçues à toutes les cellules de calcul appartenant à la couche intermédiaire 202. Les cellules de calcul dans la couche intermédiaire 202 sont chargées d'appliquer le calcul de réseau neuronal décrit ultérieurement pour les données devant être appliquées en entrée depuis les cellules d'entrée dans la couche d'entrée 201 et procurer des résultats de calculs résultants à une cellule de sortie dans la couche de sortie 203. Comme le calcul se rapporte à un état SOC, aussi la cellule de sortie dans la couche de sortie 203 produit- elle des données de sortie représentant l'état de charge (SOC).

A condition que les données appliquées en entrée à la je cellule de la couche d'entrée 201 soient désignées par INj et qu'un coefficient de couplage entre la je cellule de la couche d'entrée 201 et la ke cellule de la couche intermédiaire 202 soit désignée par Wjk, un signal appliqué en entrée à la ke cellule de la couche intermédiaire 202 est exprimé par la relation INPUTk(t) = (Wjk*INj) (j = 1 à 2m+3) ... (1).

En outre, un signal fourni en sortie de la ke cellule de la couche intermédiaire 202 est exprimé par la relation OUTk(t) = f (x) = f(INPUTk(t) + b) .. (2), où la référence b est une constante.

L'expression (2) est définie en utilisant f(INPUTk(t) + b) qui est une fonction non linéaire appelée fonction sigmoïde qui utilise INPUTk(t) + b comme variable d'entrée. Cette fonction est définie de sorte que F(INPUTk(t) + b) = 1/ (1+exp(- (INPUTk(t) + b))) (3) . Lorsqu'un coefficient de couplage entre la ke cellule de la couche intermédiaire 202 et une cellule de la couche de sortie 203 est désigné par Wk, un signal d'entrée pour la couche de sortie 203 est exprimé par la relation: INPUTo(t) = 1WK * OUTk(t) (k = 1 à Q) ... (4), de manière similaire à ce qui précède. La référence Q désigne le nombre de cellules dans la couche intermédiaire 202. En conséquence, un signal de sortie provenant de la couche de sortie 203 à un instant t est OUT(t) = L* INPUTo(t) .. (5), où la référence L est une constante linéaire.

Le calcul du réseau neuronal conforme au présent mode de réalisation introduit un processus d'apprentissage dans lequel les coefficients de couplage entre les cellules sont optimisés de manière à minimiser les erreurs entre une sortie finale OUT(t) à un instant t et une sortie cible précédemment mesurée (c'est-à-dire une vraie valeur tar(t)) qui sera décrite ultérieurement. La sortie OUT(t) est un paramètre de sortie devant être fourni en sortie de la couche de sortie 203 et, dans le présent mode de réalisation, un état SOC (état de charge) à un instant t.

La manière de mettre à jour les coefficients de couplage sera à présent décrite.

Le coefficient de couplage Wk entre la ke cellule de la couche intermédiaire 202 et chaque cellule de la couche de sortie 203 est mise à jour sur la base d'une expression Wk = Wk + OWk.. (6) où AWk est défini comme suit: OWk = -r] * c'Ek/ôWk = r]*[OUT(t) - tar(t)]*[âOUT(t)/ôWk] = r) * [OUT (t) - tar (t) ] *L* [aaINPUTo (t) /ôWk] = r]*L- [OUT(t) - tar(t) ] *OUTk(t) .. (7), où r] désigne une constante.

La valeur Ek indique une erreur entre les données d'apprentissage et une sortie de réseau et peut être définie comme suit.

Ek = [OUT(t)-tar(t)]*[OUT(t)-tar(t)]/2... (8).

En outre, la manière de mettre à jour le coefficient de couplage Wjk entre la ke cellule de la couche intermédiaire 202 et la je cellule de la couche d'entrée 201 sera à présent décrite. Le coefficient de couplage Wjk est mis à jour sur une expression Wjk = Wjk + AWjk.. (9), où AWjk est défini comme suit: AWjk = - rl*aEk/OWjk = - r)* [aEk/âINPUTk (t) ] * [aINPUT (k) /aWjk] = - r) * [i9Ek/âOUTk (t) ] * [âOUTk (t) /âINPUTk (t) ] *INj = - r)* [âEk/aOUT (t) ] * [aOUT (t) /âINPUTo] * [ôINPUTo/OUTk (t) ] * f ' (INPUTk (t) +b) *INJ = - r]*(OUT(t)-tar(t))*L*Wk*f' (INPUTk(t) +b) *INJ = rI*L*Wk*INj*(OUTsoc(t)-tar(t) )*f' (INPUTk(t)+b) (10), où f'(INPUTk(t)+b) est une valeur dérivée d'une fonction de 35 transfert.

Les nouveaux coefficients de couplage ainsi mis à jour Wk et Wjk sont utilisés pour calculer à nouveau une sortie OUT(t), c'est-à-dire un état SOC à un instant t. Ce processus de mise à jour et de calcul sera répété jusqu'à ce que la fonction d'erreur Ek devienne inférieure à une valeur infime donnée.

Donc, un traitement dans lequel les coefficients de couplage sont mis à jour pour amener la fonction d'erreur Ek à une valeur inférieure à la valeur minime donnée constitue le processus d'apprentissage précédent.

En faisant référence à la figure 7, un organigramme indiquant le processus d'apprentissage précédent sera à présent décrit. Dans ce processus, une cible devant être fournie en sortie du calculateur de réseau neuronal 8 est une quantité indiquant l'état de batterie 1 (c'est- à-dire la quantité d'état chargé). En pratique, par exemple, la quantité d'état chargé est un état SOC (état de charge). En variante la quantité d'état chargé peut être un état SOH (état de santé).

Tout d'abord, lorsque le démarrage est commandé, le calculateur de réseau neuronal 8 donne des valeurs initiales correctement sélectionnées aux coefficients de couplage (étape S11). Les valeurs initiales sont décidées en utilisant une table aléatoire, par exemple. Alors, le calculateur 8 lit, en tant que signaux d'entrée, les signaux d'entrée précédents, en vue de l'apprentissage et les reçoit au niveau de chaque cellule de la couche d'entrée 201 (étape S12). En utilisant les valeurs initiales précédentes données aux coefficients de couplage, les signaux d'entrée sont soumis au calcul de réseau neuronal de sorte qu'une valeur de l'état SOC, c'est-à-dire le paramètre de sortie, est calculée (étape S13).

Le calculateur 8 calcule alors la fonction d'erreur Ek conformément à l'expression précédente (étape S14) et détermine si la fonction d'erreur Ek représente ou non une valeur inférieure à un seuil "th" servant de valeur minime donnée (étape S15). Dans les cas où la valeur de la fonction d'erreur Ek est supérieure ou égale au seuil th, le calculateur 8 permet que les coefficients de couplage Wk et Wjk soient soumis à la mise à jour de manière à calculer les valeurs mises à jour 4W, qui sont définies comme ci-dessus dans le processus d'apprentissage (étape S16), et passe alors à la mise à jour des coefficients de couplage Wk et Wjk (étape S17).

Le traitement dans le calculateur de réseau neuronal 8 est alors renvoyé à l'étape S12 pour lire à nouveau les signaux d'entrée en vue de l'apprentissage au niveau des cellules de la couche d'entrée 201. Donc, l'état SOC est à nouveau calculé comme ci-dessus, et le traitement précédent est répété jusqu'à ce que la fonction d'erreur Ek ait une valeur plus petite que le seuil th.

Inversement, lorsque le calculateur 8 détermine que la fonction d'erreur Ek présente une valeur plus petite que le seuil th, le calculateur 8 décide que l'apprentissage a été achevé (étape S18). En réponse à cette décision, il est mis fin au processus d'apprentissage.

En conséquence, le calculateur de réseau neuronal 8 peut être fabriqué de sorte que le calculateur 8 apprenne auparavant plusieurs séquences de charge/décharge correspondant à des types de batteries représentatifs sur la base du processus d'apprentissage précédent avant l'expédition des produits. Donc, chaque véhicule peut estimer, avec précision, grâce à l'utilisation du calcul de réseau neuronal, l'état SOC de la batterie dans le fonctionnement: réel, indépendamment des fluctuations de la fabrication de batteries devant être montées sur des véhicules respectifs.

(Résultats de tests) Cinq batteries, dont les capacités et les états dégradés sont différents les uns des autres, telles qu'énumérées sur la figure 8, sont en fait préparées et soumises à une mesure des courants de charge/décharge et des tensions aux bornes de ces batteries au cours d'une campagne dans le mode d'exploitation 10.15. Une tension en circuit ouvert Vo et une valeur de courant intégré Qx dans le dernier intervalle d'intégration déterminé, qui sont destinées au calcul du réseau neuronal, sont calculées en tant que paramètres d'entrée, et ensuite ces paramètres d'entrée et une réelle valeur calculée précédemment de l'état SOC (à calculer d'après la quantité de courant intégré Qx) sont utilisés comme signaux d'apprentissage pour l'apprentissage.

Au moment suivant, le réseau neuronal ainsi enseigné est utilisé pour calculer les valeurs d'état SOC de trois nouvelles batteries dégradées (c'est-à-dire des batteries utilisées). Les valeurs d'état SOC sont alors soumises à la comparaison avec les valeurs réelles de l'état SOC calculées selon la méthode d'intégration de courant, dont les résultats de comparaison sont indiqués sur les figures 9 à 14. Parmi ces graphes, les figures 9 à 11 représentent les résultats d'état SOC des trois batteries de tests qui résultent du calcul des paramètres d'entrée précédents, comprenant la quantité de courant intégré Qx, c'est- à-dire utilisant les données d'historique de tension et de courant Vi et Ii, la tension en circuit ouvert Vo et la quantité de courant intégré Qx. Inversement, les figures 12 à 14 représentent les résultats d'état SOC des mêmes trois batteries de tests, qui résultent du calcul des paramètres d'entrée en excluant la quantité de courant intégré Qx, c'est- à-dire en n'utilisant que les données d'historique de tension et de courant Vi et Ii, et la tension en circuit ouvert Vo. La figure 15 représente la forme d'onde de la dernière quantité de courant intégré Qx utilisée pour la comparaison. D'après la comparaison entre les figures 9 et 11 et les figures 12 à 14, on a découvert que seul l'ajout de la quantité de courant intégré Qx aux paramètres d'entrée peut augmenter la précision du calcul de l'état SOC.

De plus, les batteries de tests précédentes sont soumises à l'examen d'une corrélation entre les variations de la tension en circuit ouvert Vo et de la quantité de courant intégré Qx obtenues depuis la dernière période d'intégration utilisée pour calculer la tension en circuit ouvert Vo. L'état de polarisation se reflète dans les variations de la tension en circuit ouvert Vo. La corrélation résultante est représentée sur la figure 16, laquelle indique uelle indique que les variations de la tension en circuit ouvert Vo présentent une forte corrélation avec la quantité de courant intégré Qx. Il en résulte que, en incluant les paramètres d'entrée à la fois de la tension en circuit ouvert Vo et de la quantité de courant intégré Qx obtenues dans le dernier intervalle d'intégration utilisé pour calculer la tension Vo, ne comprenant pas uniquement la tension en circuit ouvert Vo, on peut estimer que la dernière quantité de courant intégré Qx comprise dans la tension en circuit ouvert Vo (en particulier l'influence de la polarisation) est réduite.

Comme décrit ci-dessus, dans le présent mode de réalisation, seul un paramètre d'entrée, qui est une quantité de courant intégré Qx fortement associée à l'indice de polarisation, est ajouté aux paramètres d'entrée existants. Cet ajout permet qu'une composante de polarisation de la tension soit annulée par l'intermédiaire du calcul du réseau neuronal. Il est par conséquent possible de détecter le paramètre de sortie indiquant un état chargé de la batterie avec précision, tout en atténuant cependant les augmentations de la charge en calculs et de la taille des circuits.

Comme représenté dans le présent mode de réalisation, on préfère employer, en tant qu'informations de tension et de courant, des données d'historique appariées de tension/courant acquises au cours du dernier intervalle de calcul et employer la tension en circuit ouvert Vo de la batterie 1 en tant que seul paramètre d'entrée se rapportant à la dégradation de la batterie 1. Ceci permet à une diminution de précision du calcul de l'état chargé de la batterie d'être réduite indépendamment des fluctuations de la dégradation de la batterie. De plus, les étapes de calcul de la tension en circuit ouvert Vo peuvent être réalisées avec moins d'influence de la quantité associée à la polarisation devant être provoquée dans le calcul. Ceci améliore en outre la précision de calcul de l'état chargé de la batterie 1.

Plus particulièrement, dans le présent mode de réalisation, de la même manière que celle qui précède, la tension en circuit ouvert Vo est approchée d'après les données de tension/courant acquises auparavant. Une valeur de quantité de décharge de la batterie d'accumulateurs varie en fonction du degré dont la dégradation progresse dans la batterie, et le degré de dégradation est en relation avec la tension en circuit ouvert Vo. Alors, pour prendre en compte l'influence du degré dégradé du calcul de l'état chargé, on préfère ajouter la tension en circuit ouvert Vo aux paramètres d'entrée pour le calcul du réseau neuronal. D'après cela, les paramètres d'entrée comprennent des données de tension et de courant, une tension en circuit ouvert Vo servant de composante associée aux états dégradés de la batterie (une telle composante est comprise dans la tension et le courant), et la quantité associée à la polarisation dont la valeur est comprise dans cette tension V et cette tension en circuit ouvert Vo. Alors, une corrélation entre la valeur de tension/courant et la valeur de l'état chargé peut être extraite par l'intermédiaire du calcul du réseau neuronal, dans lequel la tension et le courant sont prévus sous forme de valeurs dont la composante de dégradation de la batterie et la composante de polarisation sont mutuellement annulées. Ceci améliore la précision du calcul du réseau neuronal.

(Second mode de réalisation) En faisant référence aux figures 17 à 25, un second mode de réalisation du système de batterie embarqué sera à présent décrit.

Par souci d'une explication plus simplifiée, les composants identiques ou similaires à ceux du premier mode de réalisation recevront les mêmes références numériques dans le présent second mode de réalisation et dans les modes de réalisation suivants.

Le second mode de réalisation est fondé sur le fait qu'une résistance interne R de la batterie 1 présente également une corrélation élevée avec la quantité de courant intégré Qx. Donc, à la fois la résistance interne R et la quantité de courant intégré Qx obtenues au cours du dernier intervalle de calcul (mesure) sont introduites de façon combinée dans les paramètres d'entrée, de sorte qu'une composante de la dernière quantité de courant intégré Qx, qui est comprise dans la résistance interne R, peut être réduite, c'est-à-dire que l'influence de la polarisation est réduite.

En pratique, comme indiqué sur la figure 17, dans le second mode de réalisation, le système de batterie embarqué est muni d'un détecteur d'état de batterie 5A comprenant un circuit de prétraitement 7A, qui a la capacité de calculer la résistance interne R de la batterie 1, qui est ajoutée aux paramètres d'entrée du calculateur de réseau neuronal 8. La manière de calculer la résistance interne R a déjà été décrite (se référer à la figure 4). Donc, comme indiqué sur la figure 18, le calculateur de réseau neuronal 8 est configuré pour exécuter le calcul du réseau neuronal sur la base des paramètres d'entrée comprenant la résistance interne R de la batterie 1.

(Résultats de tests) Les cinq batteries, dont les capacités et les états dégradés diffèrent les uns des autres, telles que mentionnées sur la figure 8, sont en fait préparées et soumises à une mesure de courants de charge/décharge et de tensions aux bornes de ces batteries au cours de la campagne dans le mode de fonctionnement 10.15. Une tension en circuit ouvert Vo, une résistance interne R et une valeur de courant intégré Qx dans le dernier intervalle d'intégration déterminé, qui sont toutes destinées au calcul du réseau neuronal, sont calculées comme paramètres d'entrée, et ensuite ces paramètres d'entrée et une vraie valeur calculée antérieurement de l'état SOC (à calculer d'après la quantité de courant intégré Qx) sont utilisés comme signaux d'apprentissage pour l'apprentissage.

Ensuite, le réseau neuronal ayant subi cet apprentissage est utilisé pour calculer les valeurs d'état SOC de trois nouvelles batteries dégradées (c'est-à-dire des batteries utilisées). Des valeurs d'état SOC sont ainsi soumises à la comparaison avec les vraies valeurs d'état SOC calculées selon le procédé d'intégration de courant, lesquels résultats de comparaison sont représentés sur les figures 19 à 24. Parmi ces graphes, les figures 19 à 21 représentent les résultats d'état SOC des trois batteries de tests, qui résultent du calcul des paramètres d'entrée précédents, comprenant la quantité de courant intégré Qx, c'est-à-dire de l'utilisation des données d'historique de tension et de courant Vi et Ii, de la tension en circuit ouvert Vo, de la résistance interne R et la quantité de courant intégré Qx. Inversement, les figures 22 à 24 représentent les résultats d'état SOC des trois mêmes batteries de tests, qui résultent du calcul des paramètres d'entrée en excluant la quantité de courant intégré Qx, c'est-à-dire en n'utilisant que les données d'historique de tension et de courant Vi et Ii, la tension en circuit ouvert Vo et la résistance interne R. La forme d'onde de cette dernière quantité de courant intégré Qx utilisée pour la comparaison est également indiquée sur la figure 16. D'après la comparaison entre les figures 19 et 21 et les figures 22 à 24, il a été découvert que seul l'ajout de la quantité de courant intégré Qx aux paramètres d'entrée peut augmenter la précision du calcul de l'état SOC.

Dans le présent mode de réalisation, la résistance interne R est également considérée en tant que paramètre d'entrée se rapportant à une valeur de la dégradation de la batterie 1. Ceci se base sur la considération du fait que le calcul de la résistance interne R implique une composante affectée par la polarisation, résultant en ce que la résistance interne R présente une corrélation avec la polarisation. Par conséquent, comme représenté dans le présent mode de réalisation, l'emploi de la valeur associée à la polarisation en tant que paramètre d'entrée est efficace pour annuler la composante associée à la polarisation de la résistance interne R. Ceci améliore également le calcul du réseau neuronal, en fournissant des avantages similaires à ceux du premier mode de réalisation.

(Troisième mode de réalisation) En faisant référence aux figures 25 à 38, un troisième mode 5 de réalisation du système de batterie embarqué sera à présent décrit.

Comme indiqué sur la figure 24, le système de batterie embarqué du présent mode de réalisation est muni d'un détecteur d'état de batterie 5B qui comporte fonctionnellement un circuit de prétraitement 7B et un calculateur de réseau neuronal 8A. Les circuits restants de ce système de batterie embarqué sont identiques à ceux du premier mode de réalisation.

Le circuit de prétraitement 7B est configuré pour échantillonner simultanément, sous forme de données appariées, à chaque intervalle d'échantillonnage donné dt (se référer à la figure 3), à la fois le signal de tension (tension aux bornes) de la batterie 1 et le signal de courant (courant de charge/décharge) relevés par le capteur de courant 4 pour leur mémorisation. L'utilisation d'un nombre prédéterminé de données de tension et de courant appariées, qui ont été acquises au cours du dernier intervalle de mesure prédéterminé en vue d'une mémorisation (les données comprennent des données appariées actuellement échantillonnées de la tension et du courant), le circuit de prétraitement 7B calcule à la fois une moyenne de tension Vm des données de la tension V et une moyenne de courant Im des données du courant I. De plus, le circuit de prétraitement 7B a la capacité d'utiliser les données du courant actuellement acquis pour calculer un indice de polarisation Pn qui est défini comme la quantité associée à la polarisation conformément à la présente invention.

Donc, les paramètres d'entrée du présent mode de réalisation sont la moyenne de tension Vm, la moyenne de courant Im, la tension en circuit ouvert Vo et la résistance interne R. Sans aucune utilisation des données d'historique de tension/courant appariées (c'est-à-dire un grand nombre de données) qui conduisent à une augmentation de la quantité de calculs du réseau neuronal, l'état SOC peut être calculé avec précision.

L'indice de polarisation Pn sera à présent détaillé.

L'indice de polarisation Pn peut être formulé par "Pn_1+AP1- AP2", où Pn_1 désigne le dernier indice de polarisation calculé au dernier instant d'échantillonnage, qui indique une valeur résiduelle de l'indice de polarisation Pn), API désigne une valeur accrue de l'indice de polarisation, qui est provoquée dans l'intervalle d'échantillonnage dt depuis le dernier échantillonnage jusqu'à l'échantillonnage actuel, et AP2 désigne une valeur réduite (diminuée) de l'indice de polarisation, qui est provoquée dans l'intervalle d'échantillonnage du dernier échantillonnage au présent échantillonnage. L'indice de polarisation Pn calculé à l'instant de calcul actuel est mémorisé en même temps que les données actuellement détectées de la tension V et du courant I sous la forme d'un ensemble de données.

Dans le présent mode de réalisation, la valeur augmentée API est définie comme une valeur produite en multipliant la valeur du courant préétabli I par l'intervalle d'échantillonnage dt commençant du dernier échantillonnage jusqu'au présent échantillonnage. En d'autres termes, la valeur augmentée API est sensiblement égale à une valeur de courant intégré calculée sur chaque intervalle d'échantillonnage dt. La valeur de courant intégré est une quantité de charge électrique qui peut être considérée comme étant proportionnelle à une quantité de polarisation.

Cependant, la valeur réduite AP2 est calculée d'après une formule " (1/i) . Pn_L. dt" , où i est une constante d'atténuation dans le temps de la polarisation. C'est-à-dire qu'il peut être fait état de ce que la polarisation est réduite d'une valeur déterminée par 1/T, à chaque temps unitaire dt. Comme la constante de temps de décroissance ti pour la charge de la batterie 1 diffère de celle de la décharge de la batterie 1, la constante de temps de décroissance i devrait être distinguée selon que le courant actuellement détecté I est un courant de charge ou un courant de décharge. En particulier, lorsque le courant actuellement détecté I représente le courant de charge, une constante de temps Tp est employée par la constante de temps de décroissance ', alors que lorsque le courant actuellement détecté I représente le courant de décharge, une constante de temps id est employée pour la constante de temps de décroissance T. Finalement, l'indice de polarisation Pn, qui est presque proportionnel à la quantité polarisée actuelle, peut être exprimé par la formule suivante: Pn = Pn-1 + 1. dt - (1/T) . Pn_l. dt, où T = Tp (dans l'état de charge), et T = Td (dans l'état de décharge).

A l'aide de la figure 25, le traitement exécuté en coopération par à la fois le circuit de prétraitement 7B et le calculateur de réseau neuronal 8A sera à présent décrit.

En réponse au démarrage du moteur, le circuit de prétraitement 7B commenceson calcul. Après le démarrage, à la fois le circuit de prétraitement 7B et le calculateur de réseau neuronal 8A exécutent un réglage initial en réinitialisant les valeurs actuelles dans leurs zones de travail (étape S11). Le circuit de prétraitement 7B détecte alors la tension V et le courant I de la batterie 1 à des intervalles pour la mémorisation dans sa mémoire (étape S12). Puis, le circuit de prétraitement 7B calcule une moyenne Vm des valeurs de la tension V détectée à des intervalles et une moyenne Im des valeurs du courant I détecté à des intervalles (étape S13).

Ensuite, par l'intermédiaire du circuit de prétraitement 7B, l'indice de polarisation Pn précédent est calculé et mémorisé dans sa mémoire, comme décrit (étape S14). Et le circuit de prétraitement 7B recherche dans la mémoire toutes les paires de données constituées, paire par paire, de valeurs à la fois de la tension V et du courant I (étape S15), la tension V et le courant I étant tous deux mémorisés dans la mémoire de manière à former un ensemble de données en même temps qu'un indice de polarisation dont. la valeur est approximativement égale à la valeur de l'indice de polarisation Pn actuellement calculé à l'étape S14. Dans le présent mode de réalisation, de telles paires de tension V et de courant I sont appelées "données appariées de tension/courant à équi-polarisation".

En utilisant ces "données appariées de tension/courant à équipolarisation" lues, à la fois une tension en circuit ouvert Vo et une résistance interne R sont calculées par le circuit de prétraitement 7B (étape S16). Comme les données de la tension V et du courant T comprises dans les "données appariées de tension/courant à équi-polarisation" sont mappées en deux dimensions de la même manière que la figure 3 dans le premier mode de réalisation, la tension en circuit ouvert Vo et la résistance interne R sont calculées de la même manière que celles décrites dans le premier mode de réalisation.

Les paramètres d'entrée résultants constitués de la moyenne de tension Vm, de la moyenne de courant Im, de la tension en circuit ouvert Vo et de la résistance interne R sont fournis du circuit de prétraitement 7B au calculateur de réseau neuronal 8A, comme expliqué sur la figure 27. Donc, dans le présent mode de réalisation, pour obtenir un état SOC, le calculateur de réseau neuronal 8A est configuré pour exécuter le calcul de réseau neuronal de la même manière que celle décrite dans le premier mode de réalisation. Bien sûr, les paramètres d'entrée peuvent comprendre d'autres paramètres sélectionnés de manière appropriée. En outre, d'autres paramètres de sortie, tels que l'état SOH, peuvent être adoptés à la place de l'état SOC ou en même temps que l'état SOC.

(Résultats de test) Cinq batteries, dont les capacités et les états dégradés diffèrent les uns des autres, telles que mentionnées sur la figure 8 décrite, sont en fait préparées et soumises à une mesure de courants de charge/décharge et de tensions aux bornes de ces batteries au cours de la campagne dans le mode de fonctionnement 1C.15. Les quatre paramètres d'entrée précédents (c'est-à-dire la moyenne de tension Vm, la moyenne de courant lm, la tension en circuit ouvert Vo et la résistance interne R) sont calculés, et ensuite ces paramètres d'entrée et une valeur réelle calculée précédemment de l'état SOC (à calculer d'après la quantité de courant intégré Qx) sont utilisés comme signaux d'apprentissage pour l'apprentissage.

Ensuite, le réseau neuronal ayant subi cet apprentissage est utilisé pour calculer les valeurs d'état SOC de trois nouvelles batteries dégradées (c'est-à-dire de batteries usées). Les valeurs d'état SOC sont ainsi soumises à une comparaison avec les valeurs réelles d'état SOC calculées selon le procédé d'intégration de courant, dont les résultats de comparaison sont représentés sur les figures 28 à 33. Parmi ces graphes, les figures 28 à 30 représente les résultats d'état SOC des trois batteries de tests, qui résultent du calcul des paramètres d'entrée précédents, qui comprennent la tension en circuit ouvert Vo et la résistance interne R, les deux étant soumis à la correction sur la base de l'indice de polarisation. Inversement, les figures 3là 33 représentent les résultats d'état SOC des mêmes trois batteries de tests, qui résultent du calcul des paramètres d'entrée comprenant la tension en circuit ouvert Vo et la résistance interne R, aucune d'entre elles n'étant soumise à une telle correction. D'après la comparaison entre les figures 28 à 31 et 33, il a été découvert que la correction fondée sur l'indice de polarisation, c'est-à-dire consistant à utiliser la tension en circuit ouvert Vo et la résistance interne R qui sont corrigées en termes de polarisation, peut augmenter la précision pour calculer l'état SOC.

Les figures 34 et 36 représentent des corrélations entre l'état SOC et la tension en circuit ouvert Vo et entre l'état SOC et la résistance interne R, respectivement, qui sont obtenues lors de la mesure des résultats représentés sur la figure 28. De manière similaire, les figures 35 et 37 représentent des corrélations entre l'état SOC et la tension en circuit ouvert Vo et entre l'état SOC et la résistance interne R, respectivement, qui ont été obtenues dans la mesure des résultats sur la figure 31.

Pour être spécifique, la figure 34 représente la corrélation entre l'état SOC et la tension en circuit ouvert Vo calculée sur les "données appariées de tension/courant à équi-polarisation" en fonction de l'indice de polarisation Pn. Il a été découvert que la corrélation e â t aussi élevée que 0,99. Inversement, la figure 35 représente la corrélation entre l'état SOC et la tension en circuit ouvert Vo calculée sur les "simples données appariées de tension/courant" sans aucune prise en compte de l'indice de polarisation Pn. Il a été découvert que la corrélation est de 0,96. La figure 36 représente la corrélation entre l'état SOC et la résistance interne R calculée sur les "données appariées de tension/courant à équi-polarisation" en fonction de l'indice de polarisation Pn. Il a été découvert que la corrélation est aussi élevée que 0,89. Inversement, la figure 37 représente la corrélation entre l'état SOC et la résistance interne R calculée sur les "simples données appariées de tension/courant" sans aucune prise en compte de l'indice de polarisation Pn. Il a été découvert que la corrélation est de 0,66, ce qui est très faible.

A titre de référence, la figure 38 représente les variations dans le temps de l'indice de polarisation Pn obtenu dans la mesure des résultats sur la figure 28.

Par conséquent, dans le présent mode de réalisation, on évite que la tension en circuit ouvert Vo et la résistance interne R soient influencées par la polarisation. En utilisant, en tant que partie des paramètres d'entrée, la tension en circuit ouvert Vo et la résistance interne R qui a déjà été libérée en grande partie de l'influence de la polarisation, le calcul du réseau neuronal peut être réalisé avec une plus grande précision. En plus d'un moindre délai du calcul, le nombre de paramètres d'entrée n'est pas du tout modifié.

De plus, la tension en circuit ouvert Vo et/ou la résistance interne R servant tout deux de facteurs se rapportant à l'état chargé de la batterie et à l'état dégradé de la batterie, respectivement, sont utilisées comme faisant partie des paramètres d'entrée, des informations indiquant l'état chargé peuvent être calculées de façon précise même si la batterie 1 devant être détectée est dégradée de façon différente des autres batteries. De même, la tension en circuit ouvert Vo peut être calculée avec moins d'influence de la polarisation, ce qui améliore le calcul de l'état chargé de la batterie. En outre, avec l'utilisation des données de tension et de courant dans lesquelles les influences à la fois de la dégradation et de la polarisation sont annulées respectivement, une corrélation de la tension et du courant avec la valeur de l'état chargé peut être extraite en tant que paramètre de sortie par le calcul du réseau neuronal.

En outre, dans le présent mode de réalisation, les données appariées de tension/courant à "équi-polarisation", qui correspondent à une valeur de la quantité associée à la polarisation, sont lues et utilisées pour le calcul de la tension en circuit ouvert Vo et de la résistance interne R. Donc, il est possible de calculer les valeurs Vo et R en utilisant les données appariées qui sont influencées également mutuellement par la polarisation. Avec une difficulté pour traiter des relations complexes entre la valeur de polarisation et la tension en circuit ouvert Vo et la résistance interne R, la tension en circuit ouvert Vo et la résistance interne R moins influencées par la polarisation peuvent être fournies au réseau neuronal, ce qui conduit au calcul du paramètre de sortie d'une précision supérieure.

2884928 29 Dans le présent mode de réalisation, la quantité associée à la polarisation, c'est-à-dire l'indice de polarisation Pn, est désignée en tant que valeur de courant intégré sur le dernier intervalle de temps prédéterminé. Ceci est basé sur le fait que la valeur de polarisation dans la batterie 1 présente une corrélation plus élevée avec une valeur intégrée de courant de charge/décharge survenant en un court intervalle de temps, par exemple 5 à 10 minutes, qui a lieu juste avant le présent calcul à exécuter. Par conséquent, la dernière quantité de courant intégré peut être représentée en tant que quantité associée à la polarisation.

A titre de variante, la quantité associée à la polarisation peut être une quantité obtenue en intégrant "K.I" sur un intervalle de temps prédéterminé qui est juste avant le présent calcul à exécuter, dans lequel K est un coefficient de pondération qui diminue à mesure que le temps s'écoule. Cette valeur intégrée est appelée "valeur intégrée de courant pondérée avec décroissance dans le temps". Du fait que la polarisation décroît à mesure que le temps s'écoule, le facteur de décroissance peut être considéré comme le coefficient de pondération précédent. De plus, le facteur de décroissance de la polarisation (c'est- à-dire iorl. rC'eSt -a-dl;iV2 la constante de temps de décroissance de polarisation) diffère entre la charge et la décharge. Donc les coefficients de pondération qui fournissent différemment des facteurs de décroissance diminuant de plus en plus dans le temps, peuvent être fournis dans à la fois les états de charge et de décharge.

La configuration du troisième mode de réalisation peut être modifiée de sorte qu'une seule de la tension en circuit ouvert Vo et de la résistance R soit soumise à la correction sur l'indice de polarisation Pn, en n'étant pas limitée à une configuration où à la fois la tension en circuit ouvert Vo et la résistance R sont soumises à une telle correction. Cette modification est encore efficace pour augmenter la précision d'estimation de l'état SOC et/ou de l'état SOH.

En outre, les données appariées de tension/courant à "équi-polarisation" ne sont pas toujours limitées à celles procurant des indices de polarisation presque (sensiblement) égaux. Au lieu de cela, les "données appariées de tension/courant à équi- polarisation" peuvent être des données procurant des indices de polarisation différents, tant que les taux de variation entre l'indice de polarisation Pn et la tension en circuit ouvert Vo et/ou la résistance interne R sont mémorisés à l'avance en vue d'une correction de la tension en circuit ouvert Vo et/ou de la résistance interne R. C'est-à-dire que la tension en circuit ouvert Vo et/ou la résistance interne R obtenues à partir des données appariées de tension/courant, qui excluent l'influence de l'indice de polarisation, peuvent être corrigées d'après les taux modifiés mémorisés. De façon similaire, les relations entre l'indice de polarisation et les données appariées de tension/courant peuvent être mémorisées à l'avance. De telles relations peuvent être utilisées pour corriger les données de tension et de courant détectées à partir d'une batterie d'accumulateurs en ce qui concerne l'indice de polarisation et ensuite pour produire des paramètres d'entrée à fournir au réseau neuronal. En outre, de telles relations peuvent être utilisées pour un calcul de la tension en circuit ouvert Vo et/ou de la résistance interne R. Les premier à troisième modes de réalisation peuvent être davantage modifiés. Par exemple, on préfère que la tension aux bornes (simplement tension) de la batterie d'accumulateurs et le courant de charge/décharge (simplement lament courant) allant vers/provenant de la batterie d'accumulateurs soient soumis à un traitement de réduction de bruit, tel qu'un filtrage passe- bas pour éliminer les composantes de bruit et extraire une composante continue ou des composantes à basse fréquence et calculer une moyenne sur le dernier intervalle de mesure prédéterminé.

Une autre modification est prévue, dans laquelle la tension V et la tension en circuit ouvert Vo doivent comprendre une fonction convertie de manière linéaire de celle-ci, respectivement. A titre d'exemple, on suppose que Kl et K2 sont constants. Dans ce cas, "Kl.V+K2" et/ou "Kl.Vo+ K2" peuvent être utilisés. Une erreur de sortie entre le paramètre d'entrée V (Vo) et le paramètre d'entrée "Kl.V+K2" ("Kl.Vo+K2") peut être amenée à converger facilement par l'intermédiaire du calcul du réseau neuronal.

En outre, la tension V, la tension en circuit ouvert Vo et la résistance interne R peuvent être exprimées par des valeurs relatives par rapport à ces valeurs obtenues lorsque la batterie est complètement chargée. Ces valeurs relatives sont appelées "rapports à charge complète". Chacun des "rapports à charge complète" est défini comme étant un rapport d'une valeur actuelle de chaque quantité physique sur une valeur de celle-ci obtenue dans l'état complètement chargé de la batterie 1. Le rapport dans l'état complètement chargé pour la tension V est un rapport de Vp/Vf, dans lequel Vp indique une valeur actuelle de la tension V et Vf indique une tension dans l'état complètement chargé, le rapport dans l'état complètement chargé pour la tension en circuit ouvert Vo est un rapport de Vop/Vof, dans lequel Vop désigne une valeur actuelle de la tension en circuit ouvert obtenue lorsque la batterie est complètement chargée, et le rapport en charge complète pour la résistance interne R est un rapport de Rp/Rf, dans lequel Rp désigne une valeur actuelle de la résistance R et Rf désigne une valeur actuelle de la résistance R et Rf désigne une valeur de la résistance R obtenue lorsque la batterie est complètement chargée. Les rapports à charge complète permettent d'effectuer plus facilement et plus correctement une comparaison entre différentes batteries, ce qui conduit à une amélioration de la précision de détection.

La présente invention peut être réalisée sous plusieurs autres formes sans s'écarter de son esprit. Les modes de réalisation et modifications décrits jusqu'à présent sont en conséquence prévus pour n'être qu'illustratifs et non pas restrictifs, puisque la portée de l'invention est définie par les revendications annexées, plutôt que par la description de ce qui précède. Tous les changements qui se trouvent dans la portée des revendications ou des équivalents de cette portée sont en conséquence prévus être englobés par les revendications.

Claims (5)

1. 32 2884928 REVENDICATIONS

   1. Dispositif à réseau neuronal destiné à détecter un état interne d'une batterie d'accumulateurs mise en oeuvre dans un système de batterie, le dispositif comprenant: un moyen de détection destiné à détecter des signaux électriques indiquant un état de fonctionnement de la batterie, et un moyen de calcul destiné à calculer, en utilisant les signaux électriques, des informations indiquant l'état interne de la batterie sur la base du calcul du réseau neuronal, les informations reflétant une réduction d'un effet de polarisation de la batterie d'accumulateurs.

   2. Dispositif selon la revendication 1, dans lequel le moyen de calcul comprend un moyen de production destiné à produire, en utilisant les signaux électriques, un paramètre d'entrée requis pour calculer l'état interne de la batterie, le paramètre d'entrée comprenant i) une quantité associée à la polarisation se rapportant à un courant de charge et de décharge circulant au cours d'un dernier intervalle de temps prédéterminé qui affecte une valeur de polarisation de la batterie d'accumulateurs et ii) des données indiquant une tension de la batterie d'accumulateurs et un courant provenant de la batterie d'accumulateurs et allant vers celle- ci, un moyen d'estimation destiné à estimer un paramètre de sortie servant d'informations indiquant l'état interne de la batterie en appliquant le paramètre d'entrée au calcul du réseau neuronal.
2. 33 2884928 3. Dispositif selon la revendication 2, dans lequel les données indiquant la tension et le courant du paramètre d'entrée comprennent des données d'historique de tension, des données d'historique de courant, et une tension en circuit ouvert de la batterie d'accumulateurs.

   4. Dispositif selon la revendication 3, dans lequel la quantité associée à la polarisation est une valeur intégrée de courant obtenue en intégrant le courant au cours du dernier intervalle de temps prédéterminé.

   5. Dispositif selon la revendication 4, dans lequel la quantité associée à la polarisation est une valeur obtenue en exécutant une intégration de "k.I", où I désigne le courant et k désigne un coefficient de pondération qui diminue à mesure que le temps s'écoule depuis un instant actuel.

   6. Dispositif selon la revendication 2, dans lequel la quantité associée à la polarisation est une valeur intégrée du courant obtenue en intégrant le courant au cours du dernier intervalle de temps prédéterminé.

   7. Dispositif selon la revendication 2, dans lequel la quantité associée à la polarisation est une valeur obtenue en exécutant une intégration de "k.I", où I désigne le courant et k désigne un coefficient de pondération qui diminue à mesure que le temps s'écoule depuis un instant actuel.
3. 34 2884928 8. Dispositif selon la revendication 3, dans lequel la quantité associée à la polarisation est une valeur obtenue en exécutant une intégration de "k.I", où I désigne le courant et k désigne un coefficient de pondération qui diminue à mesure que le temps s'écoule depuis un instant actuel.

   9. Dispositif selon la revendication 1, dans lequel le moyen de calcul comprend: un moyen de production destiné à produire, en utilisant les signaux électriques, un paramètre d'entrée requis pour calculer l'état interne de la batterie, le paramètre d'entrée comprenant une valeur fonctionnelle présentant une corrélation avec l'état interne de la batterie d'accumulateurs, la valeur fonctionnelle reflétant la réduction d'un effet de polarisation de la batterie d'accumulateurs, et un moyen d'estimation destiné à estimer un paramètre de sortie servant d'informations indiquant l'état interne de la batterie en appliquant le paramètre d'entrée au calcul du réseau neuronal.

   10. Dispositif selon la revendication 9, dans lequel le moyen de production comprend un moyen de calcul de valeur associée à la polarisation destiné à calculer une valeur associée à la polarisation présentant une corrélation positive avec une valeur de polarisation provoquée dans la batterie d'accumulateurs et un moyen de correction destiné à corriger la valeur fonctionnelle sur la base de la valeur associée à la polarisation.
4. 2884928 11. Dispositif selon la revendication 10, dans lequel la valeur associée à la polarisation est un indice de polarisation indiquant une valeur de la polarisation.

   12. Dispositif selon la revendication 11, dans lequel la valeur fonctionnelle est composée d'au moins l'une d'une tension en circuit ouvert et d'une résistance interne de la batterie d'accumulateurs.

   13. Dispositif selon la revendication 10, dans lequel la valeur associée à la polarisation est un indice de polarisation représentant une valeur de la polarisation et le paramètre d'entrée est composé d'une moyenne de tensions de la tension d'accumulateurs, d'une moyenne de courants allant vers et provenant de la batterie d'accumulateurs, et la valeur fonctionnelle, la valeur fonctionnelle étant composée d'une tension en circuit ouvert de la batterie d'accumulateurs et d'une résistance interne de la batterie d'accumulateurs, les moyennes étant mesurées sur un dernier intervalle de temps de mesure prédéterminé.

   14. Dispositif selon la revendication 13, dans lequel le moyen de correction est configuré pour acquérir plusieurs paires de données, constituées chacune de la tension et du courant, les plusieurs paires de données procurant respectivement des valeurs de l'indice de polarisation qui sont approximativement égales les unes aux autres, et pour corriger au moins l'une de la tension en circuit ouvert et de la résistance interne sur la base des 36 2884928 plusieurs paires de données constituées chacune de la tension et du courant.

   15. Procédé de détection d'un état interne d'une batterie d'accumulateurs mise en oeuvre dans un système de batterie, comprenant les étapes consistant à: détecter des signaux électriques indiquant un état de fonctionnement de la batterie, et calculer, en utilisant les signaux électriques, des informations indiquant l'état interne de la batterie sur la base d'un calcul de réseau neuronal, les informations reflétant une réduction d'un effet de polarisation de la batterie d'accumulateurs.

   16. Procédé selon la revendication 15, dans lequel l'étape de calcul comprend: la production, en utilisant les signaux électriques, d'un paramètre d'entrée requis pour calculer l'état interne de la batterie, le paramètre d'entrée comprenant i) une quantité associée à la polarisation se rapportant à un courant de charge et de décharge circulant au cours d'un dernier intervalle de temps prédéterminé, lequel affecte une valeur de polarisation de la batterie d'accumulateurs et ii) des données indiquant une tension de la batterie d'accumulateurs et un courant provenant de la batterie d'accumulateurs et allant vers celle-ci, et l'estimation d'un paramètre de sortie servant d'informations indiquant l'état interne de la batterie en appliquant le paramètre d'entrée au calcul de réseau neuronal.
5. 37 2884928 17. Procédé selon la revendication 15, dans lequel l'étape de calcul comprend: la production, en utilisant les signaux électriques, d'un paramètre d'entrée requis pour calculer l'état interne de la batterie, le paramètre d'entrée comprenant une valeur fonctionnelle présentant une corrélation avec l'état interne de la batterie d'accumulateurs, la valeur fonctionnelle reflétant la réduction d'un effet de polarisation de la batterie d'accumulateurs, et l'estimation d'un paramètre de sortie servant d'informations indiquant l'état interne de la batterie en appliquant le paramètre d'entrée au calcul du réseau neuronal.