JP2022035685A - バッテリ診断装置、方法、プログラム、及び車両 - Google Patents

バッテリ診断装置、方法、プログラム、及び車両 Download PDF

Info

Publication number
JP2022035685A
JP2022035685A JP2020140178A JP2020140178A JP2022035685A JP 2022035685 A JP2022035685 A JP 2022035685A JP 2020140178 A JP2020140178 A JP 2020140178A JP 2020140178 A JP2020140178 A JP 2020140178A JP 2022035685 A JP2022035685 A JP 2022035685A
Authority
JP
Japan
Prior art keywords
battery
diagnostic
diagnostic model
vehicle
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2020140178A
Other languages
English (en)
Other versions
JP7314880B2 (ja
Inventor
伸烈 芳賀
Nobuyasu Haga
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to JP2020140178A priority Critical patent/JP7314880B2/ja
Priority to US17/349,405 priority patent/US11995919B2/en
Priority to CN202110772879.1A priority patent/CN114076900B/zh
Publication of JP2022035685A publication Critical patent/JP2022035685A/ja
Application granted granted Critical
Publication of JP7314880B2 publication Critical patent/JP7314880B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4285—Testing apparatus
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/03—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for
    • B60R16/033—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for characterised by the use of electrical cells or batteries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M2220/00—Batteries for particular applications
    • H01M2220/20—Batteries in motive systems, e.g. vehicle, ship, plane
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Secondary Cells (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

【課題】バッテリの劣化状態の推定精度を向上させることができるバッテリ診断装置を提供する。【解決手段】車両に搭載されたバッテリの状態を診断するバッテリ診断装置であって、バッテリの状態を示す物理量を取得する取得部と、取得部が取得した物理量に基づいて、２つ以上の診断モデルの中から１つの診断モデルを設定する設定部と、設定部が設定した１つの診断モデルに基づいて、バッテリの劣化状態を推定する推定部と、を備える。【選択図】図１

Description

本開示は、車両に搭載されたバッテリの状態を診断するバッテリ診断装置などに関する。
特許文献１に、車両に搭載されたバッテリの劣化状態を、ニューラルネットワークなどのＡＩモデルを用いた演算によって高精度に推定する技術が開示されている。この特許文献１の技術では、バッテリの電圧、電流、及び内部抵抗をパラメータとして診断用のＡＩモデル（診断モデル）に入力してニューラルネット演算を実施し、その演算結果としてバッテリの劣化状態を示すパラメータを出力している。
特開２００６－２２０６１６号公報
バッテリから取得できる電圧や内部抵抗などの物理量は、バッテリに接続された機器の構成によって変動する。例えば、機器の一例である保護回路が接続されたバッテリは、保護回路によって放電時の電流が制限されるため放電時の電圧降下量が少なくなり、保護回路が接続されていないバッテリに比べて電圧が高くなる。
このため、上述した特許文献１に開示された単一の診断モデルを用いるニューラルネット演算方式では、同じバッテリであっても接続される機器が異なれば出力結果も異なることになり、バッテリの劣化状態の推定精度が低くなるという課題がある。
本開示は、上記課題を鑑みてなされたものであり、バッテリの劣化状態の推定精度を向上させることができるバッテリ診断装置などを提供することを目的とする。
上記課題を解決するために、本開示技術の一態様は、車両に搭載されたバッテリの状態を診断するバッテリ診断装置であって、バッテリの状態を示す物理量を取得する取得部と、取得部が取得した物理量に基づいて、２つ以上の診断モデルの中から１つの診断モデルを設定する設定部と、設定部が設定した１つの診断モデルに基づいて、バッテリの劣化状態を推定する推定部と、を備えるバッテリ診断装置である。
また、本開示技術の他の一態様は、バッテリの状態を示す物理量を取得するステップと、取得した物理量に基づいて２つ以上の診断モデルの中から１つの診断モデルを設定するステップと、設定した１つの診断モデルに基づいてバッテリの劣化状態を推定するステップと、を含む、車両に搭載されたバッテリの状態を診断するバッテリ診断装置のコンピューターが実行するバッテリ劣化推定方法や、バッテリ診断装置のコンピューターに実行させるバッテリ劣化推定プログラムである。
上記本開示のバッテリ診断装置などによれば、バッテリの物理量に基づいて、２つ以上の診断モデルの中から好適な１つの診断モデルを設定し、この設定した１つの診断モデルに基づいて、バッテリの劣化状態を推定するため、バッテリの劣化状態の推定精度を向上させることができる。
第１の実施形態に係るバッテリ診断装置とその周辺部の機能ブロック図 バッテリ診断制御の第１例の処理手順を示すフローチャート バッテリ診断制御の第２例の処理手順を示すフローチャート バッテリ診断制御の第３例の処理手順を示すフローチャート バッテリ診断制御の第３例の処理手順を示すフローチャート バッテリ診断制御の第４例の処理手順を示すフローチャート バッテリ診断制御の第４例の処理手順を示すフローチャート バッテリ診断制御の第５例の処理手順を示すフローチャート 第２の実施形態に係るバッテリ診断装置とその周辺部の機能ブロック図
本開示のバッテリ診断装置は、車両に搭載されたバッテリの物理量に基づいて、２つ以上の診断モデルの中から好適な１つの診断モデルを設定し、この設定した１つの診断モデルに基づいてバッテリの劣化状態を推定する。これにより、バッテリの劣化状態の推定精度を向上させることができる。
以下、本開示の各実施形態について、図面を参照しながら詳細に説明する。
［第１の実施形態］
＜構成＞
図１は、第１の実施形態に係るバッテリ診断装置とその周辺部の機能ブロック図である。図１に例示した機能ブロックは、本開示のバッテリ診断装置１２０を有する管理センター１００と、この管理センター１００と通信を介して接続される車両２００と、を備える。なお、図１では、管理センター１００に１つの車両２００が接続されている例を示したが、２つ以上の車両２００が接続されてもよい。
車両２００は、バッテリ２１０と、監視部２２０と、通信部２３０と、を備える。なお、通信部を分かり易く区別するため、車両２００側の通信部２３０を、以下「車両通信部２３０」と記す。
バッテリ２１０は、鉛蓄電池やリチウムイオン電池などの充放電可能に構成された二次電池である。このバッテリ２１０は、例えば、電力の供給／蓄積源として車両２００に搭載される補機バッテリとすることができる。
監視部２２０は、センサーなどの検出デバイスを用いてバッテリ２１０を監視しており、バッテリ２１０の状態を示す物理量を検出することができる。バッテリ２１０の状態を示す物理量としては、電圧、電流、温度、内部抵抗、蓄電量（ＳＯＣ：State Of Charge）を例示できる。内部抵抗や蓄電量は、電圧、電流、温度などから算出することができる。また、監視部２２０は、バッテリ２１０が車両２００に搭載されている期間、すなわちバッテリ２１０が車両２００と電気的に接続されてから経過した時間（以下「使用時間」という）を検出することができる。さらに、監視部２２０は、車両２００が電源システムをオフにした状態で停止している時間（以下「駐車時間」という）を検出することができる。
車両通信部２３０は、管理センター１００と無線又は有線による通信が可能な構成である。この車両通信部２３０は、監視部２２０が検出したバッテリ２１０の状態を示す物理量を、所定のタイミングで管理センター１００に送信する。さらに必要に応じて、車両通信部２３０は、バッテリ２１０の使用時間及び車両２００の駐車時間の一方又は両方を、所定のタイミングで管理センター１００に送信する。
管理センター１００は、１台以上の車両２００と接続され、各車両２００から所定の車両情報を収集して管理するための設備である。この管理センター１００は、通信部１１０と、バッテリ診断装置１２０と、出力部１３０と、を備える。なお、通信部を分かり易く区別するため、管理センター１００側の通信部１１０を、以下「管理センター通信部１１０」と記す。
管理センター通信部１１０は、車両２００と無線又は有線による通信が可能な構成である。この管理センター通信部１１０は、車両通信部２３０が送信する車両２００のバッテリ２１０の状態を示す物理量を受信する。また、管理センター通信部１１０は、車両通信部２３０が送信する車両２００におけるバッテリ２１０の使用時間及び車両２００の駐車時間の一方又は両方を受信する。
バッテリ診断装置１２０は、車両２００に搭載されたバッテリ２１０の状態を診断する構成であり、より特定的にはバッテリ２１０の劣化に関する診断を行う。このバッテリ診断装置１２０は、取得部１２１、設定部１２２、推定部１２３、及び格納部１２４を構成に含む。
取得部１２１は、管理センター通信部１１０が車両２００から受信したバッテリ２１０の状態を示す物理量、バッテリ２１０の使用時間、及び車両２００の駐車時間の一部又は全部を取得する。
設定部１２２は、取得部１２１が取得したバッテリ２１０の状態を示す物理量、バッテリ２１０の使用時間、及び車両２００の駐車時間の一部又は全部などに基づいて、予め用意された２つ以上の診断モデルの中から１つの診断モデルを選択し、この選択した診断モデルをバッテリ劣化の推定に利用する診断モデルとして設定する。この診断モデルや診断モデルの設定方法については、後述する。
推定部１２３は、設定部１２２が設定した診断モデルを用いて、バッテリ２１０の劣化状態を推定する。劣化状態の推定は、この診断モデルを用いた所定のニューラルネット演算を実施することによって実現可能である。
格納部１２４は、２つ以上の診断モデルを格納している。この診断モデルは、バッテリ２１０の物理量をパラメータとして入力してバッテリの劣化状態を示すパラメータを演算結果として出力することができる、ニューラルネットワークなどのＡＩモデルである。本実施形態では、格納部１２４は、放電量を抑制するための保護回路を接続したバッテリ２１０の電圧に基づいて機械学習された第１診断モデルと、その保護回路を接続しないバッテリ２１０の電圧に基づいて機械学習された第２診断モデルとを、少なくとも格納する。このような保護回路としては、スタートアンドストップ（Ｓ＆Ｓ）機能を搭載した車両に設けられるＩＣＲリレーなどを例示できる。もちろん、第１診断モデル及び第２診断モデル以外にも、診断の目的や所望する診断内容に応じた様々な診断モデルを格納することができる。例えば、保護回路の構成に複数の種類が存在するような場合には、その種類に合わせて複数の診断モデルを用意することも可能である。
なお、図１においては、診断モデルを格納する格納部１２４が、バッテリ診断装置１２０に含まれる構成を例示した。しかし、この格納部１２４は、バッテリ診断装置１２０の外にある管理センター１００が備える構成としてもよいし、管理センター１００の外にある外部構成（車両２００又は車両２００以外の構成）であってもよい。後者の場合には、設定部１２２は、管理センター通信部１１０を介して外部構成から診断モデルを取得すればよい。
出力部１３０は、バッテリ診断装置１２０によって診断されたバッテリ２１０の推定劣化状態を含めた結果を出力（提供、活用）するための構成である。例えば、出力部１３０は、管理センター通信部１１０を介して、バッテリ診断結果を車両２００にフィードバックしてもよいし、バッテリ診断結果を車両２００以外の外部機器（ユーザーのスマートフォンや車両販売店の端末など）に提供してもよい。また、出力部１３０は、バッテリ診断結果を管理センター１００が有するディスプレイ装置（図示せず）などの画面に表示してもよい。
なお、上述したバッテリ診断装置１２０の一部又は全部は、典型的にはマイコンなどのプロセッサ、メモリ、及び入出力インタフェースなどを含んだ電子制御装置（ＥＣＵ）として構成され得る。この電子制御装置は、メモリに格納されたプログラムをプロセッサが読み出して実行することによって、取得部１２１、設定部１２２、及び推定部１２３の一部又は全部の機能を実現することができる。
＜制御＞
次に、図２乃至図６をさらに参照して、本開示の第１の実施形態に係るバッテリ診断装置１２０が実行するバッテリ診断制御の例をいくつか説明する。
（１）第１例
図２は、バッテリ診断装置１２０が実行するバッテリ診断制御の第１例の処理手順を示すフローチャートである。
図２に示すバッテリ診断制御は、取得部１２１が管理センター通信部１１０からバッテリ２１０の状態を示す物理量を取得すると開始される。第１例では、物理量としてバッテリ２１０の電圧及び使用時間を取得する場合を説明する。バッテリ２１０の電圧及び使用時間の取得は、典型的には、車両２００において予め定められた所定のタイミング（イグニッションＯＮなど）に合わせて随時行われる。
（ステップＳ２０１）
設定部１２２は、取得部１２１が取得した電圧に基づく診断が、対象となるバッテリ２１０についての最初の診断であるか否かを判断する。この判断は、例えば、車両２００の監視部２２０が、検出したバッテリ２１０の電圧をそのバッテリ２１０を一意に特定できる固有情報（識別ＩＤなど）と紐付けて管理センター１００に送信し、設定部１２２が受信したこの固有情報を認識することで実現可能である。最初の診断である場合は（Ｓ２０１、はい）、ステップＳ２０２に処理が進み、最初の診断ではない場合は（Ｓ２０１、いいえ）、ステップＳ２０３に処理が進む。
（ステップＳ２０２）
設定部１２２は、予め定めた初期値の診断モデルを、バッテリ劣化の推定に利用する診断モデルとして設定する。初期値の診断モデルは、上述した第１診断モデル（保護回路有りバッテリ用モデル）又は第２診断モデル（保護回路無しバッテリ用モデル）とする。誤った劣化推定を回避するためには、対象バッテリが初期期間（後述する）に劣化の発生が少ないバッテリである場合は、第２診断モデルを初期値に設定することが好ましく、対象バッテリが初期期間に劣化の発生が多いバッテリである場合は、第１診断モデルを初期値として設定することが好ましい。初期値の診断モデルが設定されると、ステップＳ２０４に処理が進む。
（ステップＳ２０３）
設定部１２２は、前回の診断で設定した診断モデルを、バッテリ劣化の推定に利用する診断モデルとして再設定する（暫定的）。なお、診断モデルは、上記ステップＳ２０２、後述するステップＳ２０６又はＳ２０７のいずれかにおいて新たに設定される。前回の診断モデルが再設定されると、ステップＳ２０４に処理が進む。
（ステップＳ２０４）
設定部１２２は、取得部１２１が取得したバッテリ２１０の使用時間に基づいて、予め定めた初期期間中であるか否かを判断する。初期期間とは、バッテリ２１０が車両２００に搭載されてから第１時間が経過するまでの間である。第１時間は、バッテリ２１０の性能／特性や車両２００の機能などに基づいて設定される所定の値であって、例えば１年とすることができる。バッテリを車両に搭載するとは、製造工程で車両に初めてバッテリが組み付けられた行為や、車両に搭載さている古いバッテリを新しいバッテリに交換した行為などを指す。初期期間中である場合は（Ｓ２０４、はい）、ステップＳ２０５に処理が進み、初期期間中ではない場合は（Ｓ２０４、いいえ）、ステップＳ２０８に処理が進む。
（ステップＳ２０５）
設定部１２２は、取得部１２１が取得したバッテリ２１０の電圧が閾値Ｖｃ以上であるか否かを判断する。閾値Ｖｃ（第１閾値）は、放電量を抑制するための保護回路がバッテリ２１０に接続されているか否かを判定するための所定の電圧値である。例えば、閾値Ｖｃは、保護回路が接続されているバッテリ２１０の電圧（規格値、平均値、偏差値など）と、保護回路が接続されていないバッテリ２１０の電圧（規格値、平均値、偏差値など）との間の値に設定される。バッテリ２１０の電圧が閾値Ｖｃ以上である場合は（Ｓ２０５、はい）、ステップＳ２０６に処理が進み、バッテリ２１０の電圧が閾値Ｖｃ未満である場合は（Ｓ２０５、いいえ）、ステップＳ２０７に処理が進む。
（ステップＳ２０６）
設定部１２２は、第１診断モデルをバッテリ劣化の推定に利用する診断モデルとして設定する。この第１診断モデルは、保護回路を接続した（保護回路有り）バッテリ２１０の電圧に基づいて機械学習された診断モデルである。第１診断モデルが設定されると、ステップＳ２０８に処理が進む。
（ステップＳ２０７）
設定部１２２は、第２診断モデルをバッテリ劣化の推定に利用する診断モデルとして設定する。この第２診断モデルは、保護回路を接続していない（保護回路無し）バッテリ２１０の電圧に基づいて機械学習された診断モデルである。第２診断モデルが設定されると、ステップＳ２０８に処理が進む。
（ステップＳ２０８）
推定部１２３は、設定部１２２によって設定された診断モデル（第１診断モデル又は第２診断モデル）を用いて、バッテリ２１０の劣化状態を推定する。劣化状態の推定は、取得部１２１が取得したバッテリ２１０の電圧をパラメータとして診断モデルに入力し、ニューラルネット演算を実施して得られた結果に基づいて行われる。結果としては、初期期間中に予め定めた劣化を生じる確率（又は劣化を生じない確率）を例示できる。この場合、確率が所定の値よりも高ければ、バッテリ２１０が劣化状態にあると推定することができる。バッテリ２１０の劣化状態が推定されると、ステップＳ２０９に処理が進む。
（ステップＳ２０９）
推定部１２３は、バッテリ２１０の推定劣化状態を含めたバッテリ診断結果を、出力部１３０に出力する。これにより、本バッテリ診断制御が終了する。
このように、バッテリ診断制御の第１例では、保護回路の有無を明確に判断できる初期期間中においては、保護回路の有無に応じて変動するバッテリ２１０の電圧に基づいて複数の診断モデルの中からその都度設定した診断モデルをバッテリの劣化推定に用いる。そして、初期期間が経過した後は、初期期間の最後に設定した診断モデルを継続してバッテリの劣化推定に用いる。これにより、バッテリ２１０の劣化状態の推定精度を向上させることができる。
（２）第２例
図３は、バッテリ診断装置１２０が実行するバッテリ診断制御の第２例の処理手順を示すフローチャートである。この第２例のバッテリ診断制御は、上記第１例のバッテリ診断制御（図２）に、取得部１２１が取得するバッテリ２１０の電圧の精度（信頼度）が低い場合における誤診断を回避する処理を加えたものである。具体的には、ステップＳ２０４とステップＳ２０５との間に、ステップＳ３０１の処理が実行される。なお、第２例におけるステップＳ３０１以外の処理は、第１例の処理と同様であるため、ここでは一部を省略して説明する。
図３に示すバッテリ診断制御は、取得部１２１が管理センター通信部１１０からバッテリ２１０の状態を示す物理量を取得すると開始される。第２例では、物理量としてバッテリ２１０の電圧、蓄電量（ＳＯＣ）、及び使用時間を取得する場合を説明する。バッテリ２１０の電圧、蓄電量、及び使用時間の取得は、典型的には、車両２００において予め定められた所定のタイミング（イグニッションＯＮなど）に合わせて随時行われる。
（ステップＳ２０４）
設定部１２２は、取得部１２１が取得したバッテリ２１０の使用時間に基づいて、予め定めた初期期間中であるか否かを判断する。初期期間中である場合は（Ｓ２０４、はい）、ステップＳ３０１に処理が進み、初期期間中ではない場合は（Ｓ２０４、いいえ）、ステップＳ２０８に処理が進む。
（ステップＳ３０１）
設定部１２２は、バッテリ２１０の蓄電量が閾値Ｓ以上であるか否かを判断する。閾値Ｓ（第３閾値）は、取得部１２１が取得したバッテリ２１０の電圧の精度が高いか否かを判定するための所定の蓄電量である。例えば、ＳＯＣ－ＯＣＶ特性曲線においてバッテリ２１０の開放端電圧（ＯＣＶ）の変化率がフラットから急峻に切り替わる蓄電量に設定される。
バッテリ２１０の蓄電量が閾値Ｓ以上である場合は（Ｓ３０１、はい）、バッテリ２１０の電圧の精度（信頼度）が高いと判定されてステップＳ２０５に処理が進み、設定部１２２において、バッテリ２１０の電圧に基づいて診断モデルを新たに設定する処理が実施される。一方、バッテリ２１０の蓄電量が閾値Ｓ未満である場合は（Ｓ３０１、いいえ）、バッテリ２１０の電圧の精度（信頼度）が低いと判定されてステップＳ２０８に処理が進む。この場合は、設定部１２２において、バッテリ２１０の電圧に基づく新たな診断モデルの設定は実施されない。
このように、バッテリ診断制御の第２例では、保護回路の有無を明確に判断できる初期期間中においては、保護回路の有無に応じて変動するバッテリ２１０の電圧に基づいて複数の診断モデルの中からその都度設定した診断モデルをバッテリの劣化推定に用いつつも、バッテリ２１０の電圧の精度（信頼度）が低い場合には、診断モデルの新たな設定を行わずに前回設定した診断モデルを継続してバッテリの劣化推定に用いる。初期期間が経過した後は、第１例と同様に、初期期間の最後に設定した診断モデルを継続してバッテリの劣化推定に用いる。これにより、バッテリ２１０の劣化状態の推定精度をさらに向上させることができる。
（３）第３例
図４Ａ及び図４Ｂは、バッテリ診断装置１２０が実行するバッテリ診断制御の第３例の処理手順を示すフローチャートである。図４Ａの処理と図４Ｂの処理とは、結合子Ｘ、Ｙで結ばれる。この第３例のバッテリ診断制御は、上記第１例のバッテリ診断制御（図２）に、取得部１２１が取得するバッテリ２１０の電圧が受けるノイズなど影響を排除する処理を加えたものである。具体的には、ステップＳ２０１～Ｓ２０９の処理にステップＳ４０１～Ｓ４０５の処理を新たに加えたものである。なお、第３例におけるステップＳ４０１～Ｓ４０５以外の処理は、第１例の処理と同様であるため、ここでは一部を省略して説明する。
図４Ａ及び図４Ｂに示すバッテリ診断制御は、取得部１２１が管理センター通信部１１０からバッテリ２１０の状態を示す物理量を取得すると開始される。第３例では、物理量としてバッテリ２１０の電圧及び使用時間を取得する場合を説明する。バッテリ２１０の電圧及び使用時間の取得は、典型的には、車両２００において予め定められた所定のタイミング（イグニッションＯＮなど）に合わせて随時行われる。
（ステップＳ２０２）
設定部１２２は、予め定めた初期値の診断モデル（第１診断モデル又は第２診断モデル）を、バッテリ劣化の推定に利用する診断モデルとして設定する。初期値の診断モデルが設定されると、ステップＳ４０１に処理が進む。
（ステップＳ４０１）
設定部１２２は、予め定めたカウンターのカウント値であるカウントＣをゼロにリセットする。このカウントＣは、ステップＳ２０５において取得部１２１が取得したバッテリ２１０の電圧が閾値Ｖｃ以上である回数を累積するために用いられる。カウントＣがゼロにされると、ステップＳ２０４に処理が進む。
（ステップＳ２０４）
設定部１２２は、取得部１２１が取得したバッテリ２１０の使用時間に基づいて、予め定めた初期期間中であるか否かを判断する。初期期間中である場合は（Ｓ２０４、はい）、ステップＳ４０２に処理が進み、初期期間中ではない場合は（Ｓ２０４、いいえ）、ステップＳ２０８に処理が進む。
（ステップＳ４０２）
設定部１２２は、取得部１２１が取得したバッテリ２１０の使用時間に基づいて、予め定めた判定期間中であるか否かを判断する。判定期間とは、バッテリ２１０の電圧が受けるノイズの影響を排除するために最終判定を保留する期間である。この判定期間は、原則初期期間と同じかそれよりも短く設定される（例えば３０日間）。判定期間は、バッテリ２１０が車両に搭載されてから経過する期間であってもよいし、初期期間における途中の期間であってもよい。判定期間中である場合は（Ｓ４０２、はい）、ステップＳ２０５に処理が進み、判定期間中ではない場合は（Ｓ４０２、いいえ）、ステップＳ２０８に処理が進む。
（ステップＳ２０５）
設定部１２２は、取得部１２１が取得したバッテリ２１０の電圧が閾値Ｖｃ以上であるか否かを判断する。バッテリ２１０の電圧が閾値Ｖｃ以上である場合は（Ｓ２０５、はい）、ステップＳ４０３に処理が進み、バッテリ２１０の電圧が閾値Ｖｃ未満である場合は（Ｓ２０５、いいえ）、ステップＳ４０４に処理が進む。
（ステップＳ４０３）
設定部１２２は、カウントＣを１つインクリメントする。カウントＣがインクリメントされると、ステップＳ４０４に処理が進む。
（ステップＳ４０４）
設定部１２２は、判定期間が終了したか否かを判断する。判定期間が終了した場合は（Ｓ４０４、はい）、ステップＳ４０５に処理が進み、判定期間が終了していない場合は（Ｓ４０４、いいえ）、ステップＳ２０８に処理が進む。
（ステップＳ４０５）
設定部１２２は、カウントＣが閾値Ｍ以上であるか否かを判断する。閾値Ｍ（第２閾値）は、ノイズの影響を考慮した上でバッテリ２１０の電圧が閾値Ｖｃ以上であるか閾値Ｖｃ未満であるかを判断するための所定の値である。閾値Ｍは、例えば３回とすることができる。カウントＣが閾値Ｍ以上である場合は（Ｓ４０５、はい）、ステップＳ２０６に処理が進み、カウントＣが閾値Ｍ未満である場合は（Ｓ４０５、いいえ）、ステップＳ２０７に処理が進む。
このように、バッテリ診断制御の第３例では、バッテリ２１０の電圧が受けるノイズの影響を考慮しつつ、保護回路の有無を明確に判断できる初期期間中においては、保護回路の有無に応じて変動するバッテリ２１０の電圧に基づいて複数の診断モデルの中からその都度設定した診断モデルをバッテリの劣化推定に用いる。そして、初期期間が経過した後は、初期期間の最後に設定した診断モデルを継続してバッテリの劣化推定に用いる。これにより、バッテリ２１０の劣化状態の推定精度をさらに向上させることができる。
なお、上記第３例のバッテリ診断制御では、バッテリ２１０の電圧が閾値Ｖｃ以上となる判断が、判定期間中に累積してＭ回以上されれば第１診断モデル（保護回路有りバッテリ用モデル）が設定され、それ以外であれば第２診断モデル（保護回路無しバッテリ用モデル）が設定される場合を説明した。しかしながら、ノイズの影響をより排除するために、バッテリ２１０の電圧が閾値Ｖｃ以上となる判断が、判定期間中に連続してＭ回以上されれば第１診断モデルが設定され、それ以外であれば第２診断モデルが設定されるようにしてもよい。
（４）第４例
図５Ａ及び図５Ｂは、バッテリ診断装置１２０が実行するバッテリ診断制御の第４例の処理手順を示すフローチャートである。図５Ａの処理と図５Ｂの処理とは、結合子Ｘ、Ｙで結ばれる。この第４例のバッテリ診断制御は、上記第３例のバッテリ診断制御（図４Ａ及び図４Ｂ）に、取得部１２１が取得するバッテリ２１０の電圧の精度（信頼度）が低い場合における誤診断を回避する処理を加えたものである。具体的には、ステップＳ２０４とステップＳ４０２との間に、ステップＳ５０１の処理が実行される。なお、第４例におけるステップＳ５０１以外の処理は、第１例及び第３例の処理と同様であるため、ここでは一部を省略して説明する。
図５Ａ及び図５Ｂに示すバッテリ診断制御は、取得部１２１が管理センター通信部１１０からバッテリ２１０の状態を示す物理量を取得すると開始される。第４例では、物理量としてバッテリ２１０の電圧、蓄電量（ＳＯＣ）、及び使用時間を取得する場合を説明する。バッテリ２１０の電圧、蓄電量、及び使用時間の取得は、典型的には、車両２００において予め定められた所定のタイミング（イグニッションＯＮなど）に合わせて随時行われる。
（ステップＳ２０４）
設定部１２２は、取得部１２１が取得したバッテリ２１０の使用時間に基づいて、予め定めた初期期間中であるか否かを判断する。初期期間中である場合は（Ｓ２０４、はい）、ステップＳ５０１に処理が進み、初期期間中ではない場合は（Ｓ２０４、いいえ）、ステップＳ２０８に処理が進む。
（ステップＳ５０１）
設定部１２２は、バッテリ２１０の蓄電量が閾値Ｓ以上であるか否かを判断する。閾値Ｓ（第３閾値）は、取得部１２１が取得したバッテリ２１０の電圧の精度が高いか否かを判定するための所定の蓄電量である。例えば、ＳＯＣ－ＯＣＶ特性曲線においてバッテリ２１０の開放端電圧（ＯＣＶ）の変化率がフラットから急峻に切り替わる蓄電量に設定される。
バッテリ２１０の蓄電量が閾値Ｓ以上である場合は（Ｓ５０１、はい）、バッテリ２１０の電圧の精度（信頼度）が高いと判定されてステップＳ４０２に処理が進み、設定部１２２において、判定期間中におけるバッテリ２１０の電圧に基づいて診断モデルを新たに設定する処理が実施される。一方、バッテリ２１０の蓄電量が閾値Ｓ未満である場合は（Ｓ５０１、いいえ）、バッテリ２１０の電圧の精度（信頼度）が低いと判定されてステップＳ２０８に処理が進む。この場合は、設定部１２２において、バッテリ２１０の電圧に基づく新たな診断モデルの設定は実施されない。
このように、バッテリ診断制御の第４例では、バッテリ２１０の電圧が受けるノイズの影響を考慮しつつ、保護回路の有無を明確に判断できる初期期間中においては、保護回路の有無に応じて変動するバッテリ２１０の電圧に基づいて複数の診断モデルの中からその都度設定した診断モデルをバッテリの劣化推定に用いつつも、バッテリ２１０の電圧の精度（信頼度）が低い場合には、診断モデルの新たな設定を行わずに前回設定した診断モデルを継続してバッテリの劣化推定に用いる。初期期間が経過した後は、第３例と同様に、初期期間の最後に設定した診断モデルを継続してバッテリの劣化推定に用いる。これにより、バッテリ２１０の劣化状態の推定精度をさらに向上させることができる。
（５）第５例
図６は、バッテリ診断装置１２０が実行するバッテリ診断制御の第５例の処理手順を示すフローチャートである。この第６例のバッテリ診断制御は、上記第１例のバッテリ診断制御（図２）に、初期期間が経過した後もバッテリ２１０の電圧に基づいて診断モデルを設定する処理を加えたものである。具体的には、ステップＳ６０１の処理が新たに加えられる。なお、第５例におけるステップＳ６０１以外の処理は、第１例の処理と同様であるため、ここでは一部を省略して説明する。
（ステップＳ２０４）
設定部１２２は、取得部１２１が取得したバッテリ２１０の使用時間に基づいて、予め定めた初期期間中であるか否かを判断する。初期期間中である場合は（Ｓ２０４、はい）、ステップＳ２０５に処理が進み、初期期間中ではない場合は（Ｓ２０４、いいえ）、ステップＳ６０１に処理が進む。
（ステップＳ６０１）
設定部１２２は、取得部１２１が取得したバッテリ２１０の電圧が閾値Ｖｃ以上であるか否かを判断する。バッテリ２１０の電圧が閾値Ｖｃ以上である場合は（Ｓ６０１、はい）、ステップＳ２０６に処理が進み、バッテリ２１０の電圧が閾値Ｖｃ未満である場合は（Ｓ６０１、いいえ）、ステップＳ２０８に処理が進む。
このように、バッテリ診断制御の第５例では、初期期間が経過するまでは、保護回路の有無に応じて変動するバッテリ２１０の電圧に基づいて、（保護回路有りバッテリ用モデル）診断モデル及び第２診断モデル（保護回路無しバッテリ用モデル）のいずれかを設定する。そして、初期期間が経過した後は、バッテリ２１０の電圧に基づきつつ、第２診断モデルから第１診断モデルへの設定変更は許容し、第１診断モデルから第２診断モデルへの設定変更は禁止する。この制御により、例えば、電圧が低いバッテリ（ＳＯＣが低下したバッテリ）が車両２００に搭載されたたことによる初期期間の誤判定が発生した場合であっても、初期期間が経過した後に誤った判定を修正することが可能となる。
（６）他の例
なお、上述した第１例～第５例の各バッテリ診断制御のステップＳ２０２、Ｓ２０３、Ｓ２０６、及びＳ２０７においては、診断モデルを設定することに代えて、例えば「１」であれば第１診断モデルを指定し「０」であれば第２診断モデルを指定するフラグを設定するようにしてもよい。この場合には、ステップＳ２０８の処理の前に、フラグを参照して第１診断モデル及び第２診断モデルのいずれかを設定するステップを新たに加えればよい。
また、上述した第２例のバッテリ診断制御のステップＳ３０１及び第４例のバッテリ診断制御のＳ５０１においては、バッテリ２１０の蓄電量が閾値Ｓ以上であるか否かを判断することに代えて、車両２００の駐車時間が閾値Ｐ（第４閾値）以上であるか否かを判断してもよい。車両２００の駐車中は、車載機器の暗電流によってバッテリ２１０の電力が消費されるため、駐車時間が長ければ長いほどバッテリ２１０の蓄電量が低くなる。そこで、例えば、バッテリ２１０の蓄電量が満充電量から閾値Ｓまで低下すると想定される時間を閾値Ｐに設定して、車両２００の駐車時間が閾値Ｐ以上であるか否かを判断することで、バッテリ２１０の電圧の精度（信頼度）が高いか低いかを判定することができる。
また、上述した第５例のバッテリ診断制御のステップＳ６０１による判断処理を、第２例～第４例のバッテリ診断制御に各々適用することも可能である。
［第２の実施形態］
＜構成＞
図７は、第２の実施形態に係るバッテリ診断装置とその周辺部の機能ブロック図である。図７の機能ブロックに例示するように、本第２の実施形態は、上記第１の実施形態において管理センター１００が備えていたバッテリ診断装置１２０を、車両３００に備えた構成である。第１の実施形態と第２の実施形態とで同一の構成については、同一の参照符号を付している。以下、第１の実施形態で説明した内容を基本としつつ、第２の実施形態において異なる内容を中心に説明を行う。
車両３００は、バッテリ２１０と、監視部２２０と、バッテリ診断装置１２０と、出力部１３０と、通信部２３０と、を備える。
バッテリ２１０は、鉛蓄電池やリチウムイオン電池などの充放電可能に構成された二次電池である。このバッテリ２１０は、例えば、電力の供給／蓄積源として車両３００に搭載される補機バッテリとすることができる。
バッテリ診断装置１２０は、バッテリ２１０の状態を診断する構成であり、より特定的にはバッテリ２１０の劣化に関する診断を行う。このバッテリ診断装置１２０は、取得部１２１、設定部１２２、推定部１２３、及び格納部１２４を構成に含む。
取得部１２１は、監視部２２０が検出したバッテリ２１０の状態を示す物理量、バッテリ２１０の使用時間、及び車両３００の駐車時間の一部又は全部を取得する。
設定部１２２は、取得部１２１が取得したバッテリ２１０の状態を示す物理量、バッテリ２１０の使用時間、及び車両３００の駐車時間の一部又は全部などに基づいて、予め用意された２つ以上の診断モデルの中から１つの診断モデルを選択し、この選択した診断モデルをバッテリ劣化の推定に利用する診断モデルとして設定する。
推定部１２３は、設定部１２２が設定した診断モデルを用いて、バッテリ２１０の劣化状態を推定する。劣化状態の推定は、この診断モデルを用いた所定のニューラルネット演算を実施することによって実現可能である。
格納部１２４は、２つ以上の診断モデルを格納している。本実施形態では、格納部１２４は、第１診断モデル（保護回路有りバッテリ用モデル）及び第２診断モデル（保護回路無しバッテリ用モデル）を少なくとも格納する。
出力部１３０は、バッテリ診断装置１２０によって診断されたバッテリ２１０の推定劣化状態を含めた結果を出力（提供、活用）するための構成である。例えば、出力部１３０は、バッテリ診断結果を車両３００が有するディスプレイ装置（図示せず）などの画面に表示してもよいし、無線又は有線による通信が可能な通信部２３０を介して、バッテリ診断結果を車両３００以外の外部機器（ユーザーのスマートフォンや車両販売店の端末など）に提供してもよい。
＜制御＞
本第２実施形態の構成においても、上記第１実施形態と同様、車両３００に備えられるバッテリ診断装置１２０は、図２乃至図６を用いて説明した第１例～第５例及び他の例によるバッテリ診断制御をそれぞれ実行することができる。これらのバッテリ診断制御を実行することによって、上述した様々な効果を奏することができる。
［実施形態による効果］
上述した本開示のバッテリ診断装置は、車両に搭載されたバッテリの状態を示す物理量に基づいて、２つ以上の診断モデルの中から１つの診断モデルを設定し、この設定した１つの診断モデルに基づいてバッテリの劣化状態を推定する。この制御により、バッテリの劣化状態の推定精度を向上させることができる。
物理量の少なくとも１つを電圧とすると、バッテリの電圧が第１閾値以上である場合に第１診断モデルを設定し、それ以外の場合に第２診断モデルを設定することができる。このとき、第１診断モデルは、放電量を抑制するための保護回路を接続したバッテリの電圧に基づいて機械学習されたＡＩモデルとし、第２診断モデルは、保護回路を接続しないバッテリの電圧に基づいて機械学習されたＡＩモデルとすることが望ましい。この制御により、バッテリに保護回路が接続されているか否かをバッテリ診断装置が把握できない場合でも、保護回路を接続したバッテリに対しても、保護回路を接続していないバッテリに対しても、各々最適な診断モデルを設定することができるため、バッテリの劣化状態の推定精度を向上させることができる。また、本開示のバッテリ診断制御は、保護回路が接続されたバッテリを搭載した車両と保護回路が接続されていないバッテリを搭載した車両との両方に適用できるため、汎用性が高い。
また、本開示のバッテリ診断装置は、バッテリが車両に搭載されてから第１時間が経過するまでの初期期間は、所定のタイミング毎にバッテリの状態を示す物理量に基づいて１つの診断モデルを設定し、初期期間が経過した後は、１つの診断モデルの新たな設定を行わないようにすることができる。この制御により、保護回路の有無を明確に判断できる初期期間で設定した診断モデルに基づいて初期期間経過後のバッテリの劣化推定を行うことができるので、バッテリの劣化状態の推定精度を向上させることができる。
ここで、２つ以上の診断モデルが第１診断モデル及び前記第２診断モデルであれば、バッテリが車両に搭載されてから第１時間が経過するまでの初期期間は、バッテリの状態を示す物理量に基づいて第１診断モデル及び第２診断モデルのいずれかを設定し、初期期間が経過した後は、第１診断モデルから第２診断モデルへ変更する設定を行わないようにすることができる。この制御により、ＳＯＣ低下により電圧が低いバッテリが車両に搭載されたたことによる初期期間の誤判定が発生した場合であっても、初期期間が経過した後に誤った判定を修正することが可能となる。また、初期期間が経過した後に生じるバッテリ劣化による電圧降下を、保護回路無しによるバッテリ出力の低電圧と誤って判断してしまうことを回避することができる。
また、バッテリが車両に搭載されてから第１時間が経過するまでの初期期間、所定のタイミング毎にバッテリの電圧が第１閾値以上であるか否かを判断し、バッテリの電圧が第１閾値以上であると判断した回数が、第１時間より短い第２時間が経過するまでの間に第２閾値以上ある場合に第１診断モデルを設定し、それ以外の場合に第２診断モデルを設定するようにしてもよい。この制御により、ノイズの影響を受けてバッテリの電圧が変動するような場合でも、バッテリ端子に現れる電圧の頻度に応じて診断モデルを適切に設定することができる。
さらには、バッテリの蓄電量が第３閾値以上である場合又は車両の駐車時間が第４閾値未満である場合に、バッテリの状態を示す物理量に基づいて１つの診断モデルの設定を行うようにしてもよいし、バッテリの蓄電量が第３閾値未満である場合又は車両の駐車時間が第４閾値以上である場合に、所定の診断モデル又は前回設定した診断モデルを設定するようにしてもよい。この制御により、バッテリの電圧の精度（信頼度）が低い場合には、診断モデルの新たな設定を行わずに前回設定した診断モデルを継続してバッテリの劣化推定に用いるので、バッテリの劣化状態の推定精度を向上させることができる。
以上、本開示の一実施形態を説明したが、本開示は、バッテリ診断装置、プロセッサとメモリとを備えたバッテリ診断装置が実行するバッテリ劣化推定方法、バッテリ劣化推定方法を実行するための制御プログラム、制御プログラムを記憶したコンピューター読み取り可能な非一時的記憶媒体、及びバッテリ診断装置を搭載したセンター又は車両として捉えることが可能である。
本開示のバッテリ診断装置などは、車両に搭載されたバッテリの状態を診断することに利用可能である。
１００ 管理センター
１１０ 通信部（管理センター通信部）
１２０ バッテリ診断装置
１２１ 取得部
１２２ 設定部
１２３ 推定部
１２４ 格納部
１３０ 出力部
２００ 車両
２１０ バッテリ
２２０ 監視部
２３０ 通信部（車両通信部）
３００ 車両

Claims (12)

  1. 車両に搭載されたバッテリの状態を診断するバッテリ診断装置であって、
    前記バッテリの状態を示す物理量を取得する取得部と、
    前記取得部が取得した前記物理量に基づいて、２つ以上の診断モデルの中から１つの診断モデルを設定する設定部と、
    前記設定部が設定した前記１つの診断モデルに基づいて、前記バッテリの劣化状態を推定する推定部と、を備える、
    バッテリ診断装置。
  2. 前記物理量は、少なくとも電圧を含み、
    前記設定部は、前記取得部が取得した前記バッテリの電圧が第１閾値以上である場合に第１診断モデルを設定し、それ以外の場合に第２診断モデルを設定する、
    請求項１に記載のバッテリ診断装置。
  3. 前記第１診断モデルは、放電量を抑制するための保護回路を接続した前記バッテリの電圧に基づいて機械学習されたＡＩモデルであり、
    前記第２診断モデルは、前記保護回路を接続しない前記バッテリの電圧に基づいて機械学習されたＡＩモデルである、
    請求項２に記載のバッテリ診断装置。
  4. 前記設定部は、前記バッテリが車両に搭載されてから第１時間が経過するまでの間、所定のタイミング毎に前記取得部が取得した前記物理量に基づいて前記１つの診断モデルを設定し、前記第１時間が経過した後は、前記１つの診断モデルの新たな設定を行わない、
    請求項１乃至３のいずれか１項に記載のバッテリ診断装置。
  5. 前記設定部は、前記バッテリが車両に搭載されてから第１時間が経過するまでの間、所定のタイミング毎に前記取得部が取得した前記物理量に基づいて前記第１診断モデル及び前記第２診断モデルのいずれかを設定し、前記第１時間が経過した後は、前記第１診断モデルから前記第２診断モデルへ変更する設定を行わない、
    請求項２又は３に記載のバッテリ診断装置。
  6. 前記設定部は、前記バッテリが車両に搭載されてから第１時間が経過するまでの間、所定のタイミング毎に前記取得部が取得した前記バッテリの電圧が前記第１閾値以上であるか否かを判断し、前記バッテリの電圧が前記第１閾値以上であると判断した回数が、前記第１時間より短い第２時間が経過するまでの間に第２閾値以上ある場合に第１診断モデルを設定し、それ以外の場合に第２診断モデルを設定する、
    請求項２又は３に記載のバッテリ診断装置。
  7. 前記設定部は、前記バッテリの蓄電量が第３閾値以上である場合又は前記車両の駐車時間が第４閾値未満である場合に、前記取得部が取得した前記物理量に基づいて前記１つの診断モデルの設定を行う、
    請求項１乃至６のいずれか１項に記載のバッテリ診断装置。
  8. 前記設定部は、前記バッテリの蓄電量が第３閾値未満である場合又は前記車両の駐車時間が第４閾値以上である場合に、所定の診断モデル又は前回設定した診断モデルを設定する、
    請求項１乃至６のいずれか１項に記載のバッテリ診断装置。
  9. 車両に搭載されたバッテリの状態を診断するバッテリ診断装置のコンピューターが実行するバッテリ劣化推定方法であって、
    前記バッテリの状態を示す物理量を取得するステップと、
    前記取得した前記物理量に基づいて、２つ以上の診断モデルの中から１つの診断モデルを設定するステップと、
    前記設定した前記１つの診断モデルに基づいて、前記バッテリの劣化状態を推定するステップと、を含む、
    バッテリ劣化推定方法。
  10. 車両に搭載されたバッテリの状態を診断するバッテリ診断装置のコンピューターに実行させるバッテリ劣化推定プログラムであって、
    前記バッテリの状態を示す物理量を取得するステップと、
    前記取得した前記物理量に基づいて、２つ以上の診断モデルの中から１つの診断モデルを設定するステップと、
    前記設定した前記１つの診断モデルに基づいて、前記バッテリの劣化状態を推定するステップと、を含む、
    バッテリ劣化推定プログラム。
  11. 前記車両から送信された前記バッテリの状態を示す物理量を受信して前記取得部に送出する通信部と、
    請求項１乃至８のいずれか１項に記載のバッテリ診断装置と、を備えた、
    管理センター。
  12. 請求項１乃至８のいずれか１項に記載のバッテリ診断装置を搭載した、車両。
JP2020140178A 2020-08-21 2020-08-21 バッテリ診断装置、方法、プログラム、及び車両 Active JP7314880B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2020140178A JP7314880B2 (ja) 2020-08-21 2020-08-21 バッテリ診断装置、方法、プログラム、及び車両
US17/349,405 US11995919B2 (en) 2020-08-21 2021-06-16 Battery diagnostic device, battery diagnostic method, battery diagnostic program, and vehicle
CN202110772879.1A CN114076900B (zh) 2020-08-21 2021-07-08 电池诊断装置、电池诊断方法、计算机可读非暂时性存储介质和车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020140178A JP7314880B2 (ja) 2020-08-21 2020-08-21 バッテリ診断装置、方法、プログラム、及び車両

Publications (2)

Publication Number Publication Date
JP2022035685A true JP2022035685A (ja) 2022-03-04
JP7314880B2 JP7314880B2 (ja) 2023-07-26

Family

ID=80270989

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020140178A Active JP7314880B2 (ja) 2020-08-21 2020-08-21 バッテリ診断装置、方法、プログラム、及び車両

Country Status (3)

Country Link
US (1) US11995919B2 (ja)
JP (1) JP7314880B2 (ja)
CN (1) CN114076900B (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013190274A (ja) * 2012-03-13 2013-09-26 Primearth Ev Energy Co Ltd 二次電池の状態推定装置及び方法
JP2016048617A (ja) * 2014-08-27 2016-04-07 日本電気株式会社 情報処理装置、状態推定方法、及び、プログラム
JP2020119830A (ja) * 2019-01-25 2020-08-06 本田技研工業株式会社 二次電池状態検知システム、二次電池状態検知装置および二次電池状態検知方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5739670A (en) * 1996-10-31 1998-04-14 General Motors Corporation Method for diagnosing battery condition
EP1332924A1 (en) * 2000-10-13 2003-08-06 Lear Automotive (EEDS) Spain, S.L. Device for protecting the start battery of a vehicle and the electrical network supplying said battery
JP2003167653A (ja) * 2001-11-26 2003-06-13 Internatl Business Mach Corp <Ibm> ネットワークシステム、管理サーバ、電気機器、電池状態管理方法、電池診断方法、およびプログラム
JP4609882B2 (ja) 2005-02-14 2011-01-12 株式会社デンソー 車両用蓄電装置の内部状態検出方式
DE602006002896D1 (de) 2005-02-14 2008-11-13 Denso Corp Verfahren und Vorrichtung zur Erkennung des Ladestatus einer Sekundärbatterie auf Basis neuronaler Netzwerkkalkulation
JP5453769B2 (ja) * 2008-11-06 2014-03-26 トヨタ自動車株式会社 車両用電池診断システムおよび車両用電池診断方法
US11397215B2 (en) * 2010-05-21 2022-07-26 Qnovo Inc. Battery adaptive charging using battery physical phenomena
JP5418470B2 (ja) 2010-11-09 2014-02-19 株式会社デンソー スタータの制御装置
JP6024270B2 (ja) 2012-08-07 2016-11-16 株式会社デンソー エンジン始動装置
US20150285867A1 (en) * 2014-04-08 2015-10-08 Ford Global Technologies, Llc Model-based diagnosis for battery voltage
CN103926538B (zh) * 2014-05-05 2016-10-05 山东大学 基于aic准则的变阶数rc等效电路模型及实现方法
CN104849671B (zh) * 2015-05-22 2017-07-11 大连理工大学 一种基于组合神经网络的电池组容量检测系统
FR3041765B1 (fr) * 2015-09-25 2018-12-14 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procede d'estimation d'un indicateur d'etat de sante d'une batterie lithium et dispositif d'estimation associe
US11114876B2 (en) * 2019-02-18 2021-09-07 Texas Instruments Incorporated Battery safety mechanism for battery fault conditions
CN109878341B (zh) * 2019-03-07 2020-04-14 广东轻工职业技术学院 新能源车辆智能网络控制方法及其系统
CN110333450B (zh) * 2019-04-30 2021-11-19 蜂巢能源科技有限公司 电池开路电压预估方法及系统
CN110707830A (zh) * 2019-11-04 2020-01-17 哈尔滨工业大学 基于交错并联Boost的高效无线电能传输系统
CN110703107B (zh) * 2019-11-05 2022-03-08 中国第一汽车股份有限公司 动力电池的一致性判断方法、装置、设备及存储介质
CN110837058B (zh) * 2019-11-06 2021-10-19 江苏科技大学 基于大数据的电池组健康状态评估装置及评估方法
CN111103544B (zh) * 2019-12-26 2021-12-21 江苏大学 基于长短时记忆lstm和粒子滤波pf的锂离子电池剩余使用寿命预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013190274A (ja) * 2012-03-13 2013-09-26 Primearth Ev Energy Co Ltd 二次電池の状態推定装置及び方法
JP2016048617A (ja) * 2014-08-27 2016-04-07 日本電気株式会社 情報処理装置、状態推定方法、及び、プログラム
JP2020119830A (ja) * 2019-01-25 2020-08-06 本田技研工業株式会社 二次電池状態検知システム、二次電池状態検知装置および二次電池状態検知方法

Also Published As

Publication number Publication date
US20220058892A1 (en) 2022-02-24
CN114076900B (zh) 2023-09-19
JP7314880B2 (ja) 2023-07-26
CN114076900A (zh) 2022-02-22
US11995919B2 (en) 2024-05-28

Similar Documents

Publication Publication Date Title
US10209317B2 (en) Battery control device for calculating battery deterioration based on internal resistance increase rate
JP6734784B2 (ja) バッテリの健全性を推定する方法
EP2574948B1 (en) Electric storage device monitor
CN106785107B (zh) 用于诊断电池系统问题的方法和系统
US20110231122A1 (en) Method and system for determining the kind of a battery
JP6787189B2 (ja) 温度異常判定装置、温度異常判定方法及びコンピュータプログラム
US10005373B2 (en) Battery control system and vehicle control system
EP3780248B1 (en) Degradation state determination device and degradation state determination method
CN109870650B (zh) 电池监控方法及系统
US9821667B2 (en) Battery control system and vehicle control system
US11501583B2 (en) Vehicle battery health measurement and control systems and methods
KR20120124432A (ko) 배터리 특성 곡선의 범위를 결정하기 위한 장치 및 방법
JP5838224B2 (ja) 電池制御装置
KR20130021991A (ko) 군집화 기법을 이용한 차량용 배터리의 방전시간을 예측하는 장치 및 그 방법
CN113525171B (zh) 一种电动汽车电池充放电控制方法及装置
CN109946615B (zh) 用于确定车辆低压电气系统的故障的方法和装置
JP5195440B2 (ja) 車両用電力制御装置及び組電池の内部抵抗推定方法
CN113745672B (zh) 电池自加热控制方法、电池自加热装置、系统和车辆
JP7314880B2 (ja) バッテリ診断装置、方法、プログラム、及び車両
US20200292596A1 (en) Monitoring system
CN111220919B (zh) 电池电量检测方法、装置及车辆
CN114019396A (zh) 一种电池包阻抗检测方法及装置
JP7491322B2 (ja) 情報処理センター及びシステム
JP2019184316A (ja) 推定装置および推定方法
EP4016099A1 (en) Battery diagnostic apparatus and method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220809

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230331

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230404

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230413

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230613

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230626

R151 Written notification of patent or utility model registration

Ref document number: 7314880

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151