Nothing Special   »   [go: up one dir, main page]

CN114076900B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN114076900B
CN114076900B CN202110772879.1A CN202110772879A CN114076900B CN 114076900 B CN114076900 B CN 114076900B CN 202110772879 A CN202110772879 A CN 202110772879A CN 114076900 B CN114076900 B CN 114076900B
Authority
CN
China
Prior art keywords
battery
model
diagnosis
voltage
diagnostic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110772879.1A
Other languages
English (en)
Other versions
CN114076900A (zh
Inventor
芳贺伸烈
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
Publication of CN114076900A publication Critical patent/CN114076900A/zh
Application granted granted Critical
Publication of CN114076900B publication Critical patent/CN114076900B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G07C5/08—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)
  • Electrochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Manufacturing & Machinery (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

本公开涉及电池诊断装置、电池诊断方法、计算机可读非暂时性存储介质和车辆。一种用于诊断安装在车辆上的电池的状态的电池诊断装置，包括：获取单元，其获取指示所述电池的所述状态的物理量；设定单元，其基于所述获取单元获取的所述物理量，从两个以上诊断模型中设定一个诊断模型；以及估计单元，其基于所述设定单元设定的所述一个诊断模型，估计所述电池的劣化状态。

Description

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
技术领域
本公开涉及一种用于诊断安装在车辆上的电池的状态的电池诊断装置等。
背景技术
日本未审查专利申请公开第2006-220616号(JP 2006-220616 A)公开了一种通过使用例如神经网络的人工智能(AI)模型的计算，以高精度估计安装在车辆上的电池的劣化状态的技术。在JP 2006-220616 A的技术中，神经网络计算通过将电池电压、电流和内电阻作为参数输入到诊断用的AI模型(诊断模型)来进行，以输出指示电池的劣化状态的参数作为计算结果。
发明内容
可以从电池获得的物理量(例如电压和内电阻)随连接到电池的装置的配置的不同而不同。例如，与作为装置的一个示例的保护电路相连接的电池，由于电流在放电时受保护电路的限制因此该电池在放电期间有更小的电压降，而电压比未连接保护电路的电池的电压高。
因此，在上述JP 2006-220616 A中公开的使用单个诊断模型的神经网络计算方法中，即使使用相同的电池，但如果所连接的装置不同，输出结果也将会不同，这导致了劣化状态的估计精度降低的问题。
本公开考虑到上述问题，并且本公开的目的在于提供一种能够提高电池的劣化状态的估计精度的电池诊断装置等。
为了解决上述问题，所公开技术的一个方面是一种用于诊断安装在车辆上的电池的状态的电池诊断装置。所述电池诊断装置包括：获取单元，其获取指示所述电池的所述状态的物理量；设定单元，其基于所述获取单元获取的所述物理量，从两个以上诊断模型中设定一个诊断模型；以及估计单元，其基于所述设定单元设定的所述一个诊断模型来估计所述电池的劣化状态。
所公开技术的另一方面是一种由电池诊断装置的计算机执行的用于诊断安装在车辆上的电池的状态的电池劣化估计方法，和一种由电池诊断装置的计算机执行的电池劣化估计程序。所述电池劣化估计方法和所述电池劣化估计程序包括：获取指示所述电池的所述状态的物理量的步骤；基于获取的所述物理量从两个以上诊断模型中设定一个诊断模型的步骤；以及基于设定的所述一个诊断模型估计所述电池的劣化状态的步骤。
根据本公开的上述电池诊断装置，基于电池的物理量从两个以上诊断模型中设定一个合适的诊断模型，并基于设定的诊断模型来估计电池的劣化状态。由此，可以提高电池的劣化状态的估计精度。
附图说明
下面将参照附图描述本公开的示例性实施例的特征、优点以及技术和工业意义，其中，相同的标号示出相同的元件，并且其中：
图1是根据第一实施例的电池诊断装置及其周边部分的功能框图；
图2是示出电池诊断控制的第一示例的处理程序的流程图；
图3是示出电池诊断控制的第二示例的处理程序的流程图；
图4A是示出电池诊断控制的第三示例的处理程序的流程图；
图4B是示出电池诊断控制的第三示例的处理程序的流程图；
图5A是示出电池诊断控制的第四示例的处理程序的流程图；
图5B是示出电池诊断控制的第四示例的处理程序的流程图；
图6是示出电池诊断控制的第五示例的处理程序的流程图；以及
图7是根据第二实施例的电池诊断装置及其周边部分的功能框图。
具体实施方式
本公开的电池诊断装置基于安装在车辆上的电池的物理量从两个以上诊断模型中设定一个合适的诊断模型，并基于设定的所述诊断模型来估计电池的劣化状态。因此，可以提高电池的劣化状态的估计精度。在下文中，将参照附图详细描述本公开的各实施例。
第一实施例
配置
图1是根据第一实施例的电池诊断装置及其周边部分的功能框图。图1中示出的功能框包括具有本公开的电池诊断装置120的管理中心100，以及与管理中心100通信连接的车辆200。虽然图1示出了一个车辆200连接到管理中心100的示例，但是两个以上的车辆200可以连接到管理中心100。
车辆200包括电池210、监视单元220和通信单元230。为了以易于理解的方式区分通信单元，位于车辆200侧的通信单元230在下文称为“车辆通信单元230”。
电池210是诸如铅酸电池或锂离子电池的可充电/可放电的二次电池。例如，电池210可以是安装在车辆200上作为电源/存储源的辅助电池。
监视单元220使用例如传感器的检测装置监视电池210，并可以检测指示电池210的状态的物理量。指示电池210的状态的物理量的例子包括电压、电流、温度、内电阻和充电状态(SOC)。内电阻和SOC可以由电压、电阻、温度等计算得到。此外，监视单元220可以检测电池210安装在车辆200上的期间，即自电池210和车辆200电连接起经过的时间(下文称为“使用时间”)。另外，监视单元220可以检测车辆200在电源系统关闭的情况下停车的时间(下文称为“驻车时间”)。
车辆通信单元230具有能够与管理中心100进行无线或有线通信的配置。车辆通信单元230在预定的时间向管理中心100发送由监视单元220检测到的指示电池210的状态的物理量。此外，根据需要，车辆通信单元230在预定的时间向管理中心100发送电池210的使用时间和车辆200的驻车时间中的一个或两个。
管理中心100是与一个以上车辆200连接以收集和管理来自各车辆200的预定车辆信息的设备。管理中心100包括通信单元110、电池诊断装置120和输出单元130。为了以易于理解的方式区分通信单元，位于管理中心100侧的通信单元110在下文称为“管理中心通信单元110”。
管理中心通信单元110具有能够与车辆200进行无线或有线通信的配置。管理中心通信单元110接收由车辆通信单元230发送的指示车辆200的电池210的状态的物理量。此外，管理中心通信单元110接收由车辆通信单元230发送的车辆200中的电池210的使用时间和车辆200的驻车时间中的一个或两个。
电池诊断装置120具有用于诊断安装在车辆200上的电池210的状态的配置，并且更具体地，用于诊断电池210的劣化的配置。电池诊断装置120包括获取单元121、设定单元122、估计单元123和存储单元124。
获取单元121获取通过管理中心通信单元210从车辆200接收的指示电池210的状态的物理量、电池210的使用时间和车辆200的驻车时间中的一部分或全部。
设定单元122基于由获取单元121获取的指示电池210的状态的物理量、电池210的使用时间、车辆200的驻车时间等中的一部分或全部，从预先准备的两个以上诊断模型中选择一个诊断模型，并设定所选的诊断模型作为用于估计电池劣化的诊断模型。诊断模型和诊断模型的设定方法将随后描述。
估计单元123使用设定单元122设定的诊断模型来估计电池210的劣化状态。劣化状态的估计可以通过执行使用这个诊断模型的预定神经网络运算来实现。
存储装置124存储两个以上诊断模型。这个诊断模型是诸如神经网络的人工智能(AI)模型，其可以输入电池210的物理量作为参数并输出指示电池的劣化状态的参数作为计算结果。在本实施例中，存储单元124至少存储第一诊断模型和第二诊断模型，第一诊断模型基于连接有用于抑制放电量的保护电路的电池210的电压进行机器学习，第二诊断模型基于未连接保护电路的电池210的电压进行机器学习。这样的保护电路的示例包括在配备了起动停止(S&S)功能的车辆中设置的涌流抑制(ICR)继电器。毫无疑问，除第一诊断模型和第二诊断模型之外，还可以根据诊断目的和所需的诊断内容存储各种诊断模型。例如，当有多种类型的保护电路的配置时，可以根据类型准备多个诊断模型。
此外，在图1中，示出了用于存储诊断模型的存储单元124被包含在电池诊断装置120中的配置。然而，配置可以为存储单元124设置在电池诊断装置120之外的管理中心100中，或设置在管理中心100之外的外部配置中(车辆200或车辆200以外的配置)。在后一种情况中，设定单元122可以经由管理中心通信单元110从外部配置获取诊断模型。
输出单元130被配置为输出(提供、利用)包括由电池诊断装置120诊断出的估计的电池210的劣化状态在内的结果。例如，输出单元130可以经由管理中心通信单元110反馈电池诊断结果给车辆200，或提供电池诊断结果给车辆200以外的外部装置(用户的智能手机或车辆销售商的终端等)。此外，输出单元130可以在管理中心100中包括的显示装置(未示出)等的屏幕上显示电池诊断结果。
上述的电池诊断装置120的一部分或全部可以典型地被配置为诸如微型计算机的电子控制单元(ECU)，包括处理器、存储器、输入/输出接口等。当处理器读取并运行存储在存储器中的程序时，该电子控制单元可以实现获取单元121、设定单元122和估计单元123的部分或全部功能。
控制
接下来，将参照图2至6描述由根据本公开的第一实施例的电池诊断装置120执行的电池诊断控制的一些示例。
(1)第一示例
图2是示出由电池诊断装置120执行的电池诊断控制的第一示例的处理程序的流程图。
当获取单元121从管理中心通信单元110获取到指示电池210的状态的物理量时，图2中示出的电池诊断控制开始。在第一示例中，将描述获取电池210的电压和使用时间作为物理量的情况。电池210的电压和使用时间的获取通常依照在车辆200中预先设定的预定时间(点火电路接通等)在任何时间执行。
步骤S201
设定单元122判断基于获取单元121获取的电压的诊断是否为针对目标电池210的首次诊断。该判断可以例如在车辆200的监视单元220将检测到的电池210的电压与可以唯一识别电池210的唯一信息(识别ID等)相关联地发送到管理中心100，并且设定单元122识别出该接收到的唯一信息时实现。当它是首次诊断时(S201:是)，处理进行到步骤S202，而当它不是首次诊断时(S201:否)，处理进行到步骤S203。
步骤S202
设定单元122将预定的初始值诊断模型设定为用于估计电池劣化的诊断模型。初始值诊断模型是上述第一诊断模型(用于有保护电路的电池的模型)或第二诊断模型(用于无保护电路的电池的模型)。为了避免错误的劣化估计，当目标电池是在初始期间(稍后描述)劣化较少的电池时，优选将第二诊断模型设定为初始值，而当目标电池是在初始期间经常劣化的电池时，优选将第一诊断模型设定为初始值。当设定了初始值诊断模型时，处理进行到步骤S204。
步骤S203
设定单元122将在前次诊断中设定的诊断模型再次设定为用于估计电池劣化的(暂定的)诊断模型。注意，诊断模型是在步骤S202、稍后描述的步骤S206和S207中的任何一个中新设定的。当再次设定前次的诊断模型时，处理进行到步骤S204。
步骤204
设定单元122基于获取单元121获取的电池210的使用时间来判断当前状态是否为预定的初始期间。初始期间是从电池210被安装在车辆200上时直到已经过第一时间为止的期间。第一时间是基于电池210的性能/特性、车辆200的功能等设定的预定值，例如可以为一年。将电池安装在车辆上是指在制造的过程中首次将电池组装到车辆上的行为，或者指用新电池替换安装在车辆上的旧电池的行为。在当前状态为初始期间的情况下(S204：是)，处理进行到步骤S205，而在当前状态不是初始期间的情况下(S204：否)，处理进行到步骤S208。
步骤S205
设定单元122判断由获取单元121获取的电池210的电压是否等于或高于阈值Vc。阈值Vc(第一阈值)是用于判断电池210是否连接有用于抑制放电量的保护电路的预定电压值。例如，阈值Vc被设定为介于连接有保护电路的电池210的电压(标准值、平均值、偏差值等)和未连接保护电路的电池210的电压(标准值、平均值、偏差值等)之间的值。当电池210的电压等于或高于阈值Vc时(S205：是)，处理进行到步骤S206，而当电池210的电压低于阈值Vc时(S205：否)，处理进行到步骤S207。
步骤S206
设定单元122将第一诊断模型设定为用于估计电池劣化的诊断模型。该第一诊断模型是基于连接有保护电路的电池210(有保护电路的电池210)的电压进行机器学习的诊断模型。当设定了第一诊断模型时，处理进行到步骤S208。
步骤S207
设定单元122将第二诊断模型设定为用于估计电池劣化的诊断模型。该第二诊断模型是基于未连接保护电路的电池210(无保护电路的电池210)的电压进行机器学习的诊断模型。当设定了第二诊断模型时，处理进行到步骤S208。
步骤S208
估计单元123使用设定单元122设定的诊断模型(第一诊断模型或第二诊断模型)来估计电池210的劣化状态。基于通过将由获取单元121获取的电池210的电压作为参数输入到诊断模型并执行神经网络计算而得到的结果来估计劣化状态。结果，可以例示在初始期间引起预定劣化的概率(或不引起劣化的概率)。在这种情况下，当概率高于预定值时，可以估计出电池210处于劣化状态。当估计出电池210的劣化状态时，处理进行到步骤S209。
步骤S209
估计单元123将包括估计出的电池210的劣化状态的电池诊断结果输出到输出单元130。这样，该电池诊断控制结束。
如上所述，在电池诊断控制的第一示例中，在可以明确地判断有无保护电路的初始期间中，基于依赖于有无保护电路而波动的电池210的电压而从多个诊断模型中每次设定的诊断模型，用于估计电池的劣化。在初始期间已经过后，继续使用在初始期间结束时设定的诊断模型来估计电池的劣化。结果，能够提高电池210的劣化状态的估计精度。
(2)第二示例
图3是示出由电池诊断装置120执行的电池诊断控制的第二示例的处理程序的流程图。通过对第一示例的电池诊断控制(图2)增加避免当由获取单元121获取的电池210的电压的精度(可靠度)低时错误诊断的处理而得到第二示例的电池诊断控制。具体地，在步骤S204和步骤S205之间执行步骤S301的处理。由于在第二示例中除步骤S301之外的其他处理与第一示例中的处理相同，因此在此将省略这一部分。
当获取单元121从管理中心通信单元110获取到指示电池210的状态的物理量时，图3中所示的电池诊断控制开始。在第二示例中，将描述获取电池210的电压、SOC和使用时间作为物理量的情况。电池210的电压、SOC和使用时间的获取通常按照在车辆200中预先设定的预定时间(点火电路接通等)在任何时间执行。
步骤S204
设定单元122基于由获取单元121获取的电池210的使用时间来判断当前状态是否为预定的初始期间。当当前状态是初始期间时(S204：是)，处理进行到步骤S301，而当当前状态不是初始期间时(S204：否)，处理进行到步骤S208。
步骤S301
设定单元122判断电池210的SOC是否等于或高于阈值S。阈值S(第三阈值)是用于判断由获取单元121获取的电池210的电压的精度是否高的预定SOC。例如，将阈值S设定为电池210的开放端电压(OCV)的变化率在SOC-OCV特性曲线中从平缓变为陡峭所处的SOC。
当电池210的SOC等于或高于阈值S时(S301：是)，判定电池210的电压的精度(可靠度)高，从而处理进行到步骤S205，且设定单元122执行基于电池210的电压来新设定诊断模型的处理。另一方面，当电池210的SOC低于阈值S时(S301：否)，判定电池210的电压的精度(可靠度)低，且处理进行到步骤S208。在这种情况下，设定单元122不基于电池210的电压设定新的诊断模型。
如上所述，在电池诊断控制的第二示例中，在可以明确地判断有无保护电路的初始期间中，在使用基于依赖于有无保护电路而波动的电池210的电压而从多个诊断模型中每次设定的诊断模型来估计电池劣化的时候，当电池210的电压的精度(可靠度)低时，继续使用前次设定的诊断模型来估计电池的劣化，而不设定新的诊断模型。在初始期间已经过后，继续使用在初始期间结束时设定的诊断模型来估计电池的劣化，如第一示例中那样。结果，可以提高电池210的劣化状态的估计精度。
(3)第三示例
图4A和图4B是示出由电池诊断装置120执行的电池诊断控制的第三示例的处理程序的流程图。图4A的处理和图4B的处理由连接符号X和Y连接。通过对第一示例的电池诊断控制(图2)增加消除由获取单元121获取的电池210的电压所受到的诸如噪声的影响的处理，得到第三示例的电池诊断控制。具体地，步骤S401至S405的处理新增加到步骤S201至S209的处理。由于在第三示例中除步骤S401至S405之外的其他处理与第一示例中的处理相同，因此在此将省略这一部分。
当获取单元121从管理中心通信单元110获取到指示电池210的状态的物理量时，图4A和图4B中所示的电池诊断控制开始。在第三示例中，将描述获取电池210的电压和使用时间作为物理量的情况。电池210的电压和使用时间的获取通常按照在车辆200中预先设定的预定时间(点火电路接通等)在任何时间执行。
步骤S202
设定单元122将预定的初始值诊断模型(第一诊断模型或第二诊断模型)设定为用于估计电池劣化的诊断模型。当设定了初始值诊断模型时，处理进行到步骤S401。
步骤S401
设定单元122将作为预定计数器的计数值的计数C重置为零。这个计数C用于累计在步骤S205中由获取单元121获取的电池210的电压等于或高于阈值Vc的次数。当将计数C设定为零时，处理进行到步骤S204。
步骤S204
设定单元122基于获取单元121获取的电池210的使用时间来判断当前状态是否为预定的初始期间。当当前状态是初始期间时(S204：是)，处理进行到步骤S402，而当当前状态不是初始期间时(S204：否)，处理进行到步骤S208。
步骤S402
设定单元122基于获取单元121获取的电池210的使用时间来判断当前状态是否为预定的判定期间。判定期间是为了消除噪声对电池210的电压的影响而暂停最终判定的期间。原则上，这个判定期间被设定为与初始期间相同或比其更短(例如30天)。判定期间可以是在电池210被安装在车辆200上之后经过的期间，或者可以是初始期间内的中间期间。当当前状态是判定期间时(S402：是)，处理进行到步骤S205，而当当前状态不是判定期间时(S402：否)，处理进行到步骤S208。
步骤S205
设定单元122判断由获取单元121获取的电池210的电压是否等于或高于阈值Vc。当电池210的电压等于或高于阈值Vc时(S205：是)，处理进行到步骤S403，而当电池210的电压低于阈值Vc时(S205：否)，处理进行到步骤S404。
步骤S403
设定单元122将计数C增加1。当计数C被增加时，处理进行到步骤S404。
步骤S404
设定单元122判断判定期间是否已结束。当判定期间已结束时(S404：是)，处理进行到步骤S405，而当判定期间尚未结束时(S404：否)，处理进行到步骤S208。
步骤S405
设定单元122判断计数C是否等于或大于阈值M。阈值M(第二阈值)是用于考虑噪声的影响来判断电池210的电压是等于或高于阈值Vc，还是低于阈值Vc的预定值。例如，阈值M可以是三次。当计数C等于或大于阈值M时(S405：是)，处理进行到步骤S206，而当计数C小于阈值M时(S405：否)，处理进行到步骤S207。
如上所述，在电池诊断控制的第三示例中，考虑噪声对电池210的电压的影响，在可以明确地判断有无保护电路的初始期间中，使用基于依赖于有无保护电路而波动的电池210的电压而从多个诊断模型中每次设定的诊断模型来估计电池的劣化。在初始期间已经过后，继续使用在初始期间结束时设定的诊断模型来估计电池的劣化。结果，可以提高电池210的劣化状态的估计精度。
第三示例的电池诊断控制描述了这样的情况：当电池210的电压等于或高于阈值Vc的判断在判定期间中累计M次以上时，设定第一诊断模型(用于有保护电路的电池的模型)，否则设定第二诊断模型(用于无保护电路的电池的模型)。然而，为了进一步消除噪声的影响，可以当电池210的电压等于或高于阈值Vc的判断在判定期间中连续作出M次以上时，设定第一诊断模型，否则可以设定第二诊断模型。
(4)第四示例
图5A和图5B是示出由电池诊断装置120执行的电池诊断控制的第四示例的处理程序的流程图。图5A的处理和图5B的处理由连接符号X和Y连接。通过对第三示例的电池诊断控制(图4A和图4B)增加避免当获取单元121获取的电池210的电压的精度(可靠度)低时错误诊断的处理,而得到第四示例的电池诊断控制。具体地，步骤S501的处理在步骤S204和S402之间执行。由于在第四示例中除步骤S501之外的其他处理与第一示例和第三示例中的处理相同，因此在此将省略这一部分。
当获取单元121从管理中心通信单元110获取到指示电池210的状态的物理量时，图5A和图5B中所示的电池诊断控制开始。在第四示例中，将描述获取电池210的电压、SOC和使用时间作为物理量的情况。电池210的电压、SOC和使用时间的获取通常按照在车辆200中预先设定的预定时间(点火电路接通等)在任何时间执行。
步骤S204
设定单元122基于获取单元121获取的电池210的使用时间判断当前状态是否为预定的初始期间。当当前状态是初始期间时(S204：是)，处理进行到步骤S501，而当当前状态不是初始期间时(S204：否)，处理进行到步骤S208。
步骤S501
设定单元122判断电池210的SOC是否等于或高于阈值S。阈值S(第三阈值)是用于判断由获取单元121获取的电池210的电压的精度是否高的预定SOC。例如，将阈值S设定为电池210的OCV的变化率在SOC-OCV特性曲线中从平缓变为陡峭所处的SOC。
当电池210的SOC等于或高于阈值S时(S501：是)，判定电池210的电压精度(可靠度)高，从而处理进行到步骤S402，且设定单元122在判定期间中基于电池210的电压执行新设定诊断模型的处理。另一方面，当电池210的SOC低于阈值S时(S501：否)，判定电池210的电压的精度(可靠度)低，并且处理进行到步骤S208。在这种情况下，设定单元122不基于电池210的电压设定新的诊断模型。
如上所述，在电池诊断控制的第四示例中，考虑到噪声对电池210的电压的影响，在可以明确地判断有无保护电路的初始期间中，在使用基于依赖于有无保护电路而波动的电池210的电压而从多个诊断模型中每次设定的诊断模型来估计电池的劣化的时候，当电池210的电压的精度(可靠度)低时，继续使用前次设定的诊断模型来估计电池的劣化而不设定新的诊断模型。在初始期间已经过后，继续使用在初始期间结束时设定的诊断模型来估计电池的劣化，如第三示例中那样。结果，可以提高电池210的劣化状态的估计精度。
(5)第五示例
图6是示出由电池诊断装置120执行的电池诊断控制的第五示例的处理程序的流程图。通过对第一示例的电池诊断控制(图2)增加即使在初始期间已经过后仍然基于电池210的电压设定诊断模型的处理，而得到第五示例的电池诊断控制。具体地，新增加了步骤S601的处理。由于在第五示例中除步骤S601之外的其他处理与第一示例中的处理相同，因此在此将省略这一部分。
步骤S204
设定单元122基于获取单元121获取的电池210的使用时间来判断当前状态是否为预定的初始期间。当当前状态是初始期间时(S204：是)，处理进行到步骤S205，而当当前状态不是初始期间时(S204：否)，处理进行到步骤S601。
步骤S601
设定单元122判断由获取单元121获取的电池210的电压是否等于或高于阈值Vc。当电池210的电压等于或高于阈值Vc时(S601：是)，处理进行到步骤S206，而当电池210的电压低于阈值Vc时(S601：否)，处理进行到步骤S208。
如上所述，在电池诊断控制的第五示例中，在初始期间经过之前，基于依赖于有无保护电路而波动的电池210的电压来设定第一诊断模型(用于有保护电路的电池的模型)和第二诊断模型(用于无保护电路的电池的模型)中的一个。然后，在初始期间经过后，基于电池210的电压，允许设定从第二诊断模型改变为第一诊断模型，但禁止设定从第一诊断模型改变为第二诊断模型。通过如此控制，例如，即使由于电压低的电池(SOC降低的电池)安装在车辆200上而发生了初始期间的错误判定，该错误判定也可以在初始期间经过后被修正。
(6)其他示例
在上述的第一示例到第五示例的电池诊断控制的步骤S202、S203、S206和S207中,代替设定诊断模型，可以设定标志为，例如当标志为“1”时指定第一诊断模型而当标志为“0”时指定第二诊断模型。在这种情况下，在步骤S208的处理之前，可以增加参照标志设定第一诊断模型或第二诊断模型的新的步骤。
另外，在上述的第二示例的电池诊断控制的步骤S301和第四示例的电池诊断控制的步骤S501中，代替判断电池210的SOC是否等于或高于阈值S，可以判断车辆200的驻车时间是否等于或长于阈值P(第四阈值)。因为电池210的电力在车辆200驻车时被车载装置的暗电流消耗，所以驻车时间越长，电池210的SOC就越低。因此，例如，通过设定预期电池210的SOC从满充电量下降到阈值S的时间作为阈值P并且判断车辆200的驻车时间是否等于或长于阈值P，可以判断电池210的电压的精度(可靠度)是高还是低。
此外，也可以将根据上述第五示例的电池诊断控制的步骤S601的判断处理应用到第二示例至第四示例的电池诊断控制。
第二实施例
配置
图7是根据第二实施例的电池诊断装置及其周边部分的功能框图。如图7的功能框中所示，第二实施例包括车辆300中的电池诊断装置120，而不是像第一实施例电池诊断装置120在管理中心100中。在第一实施例和第二实施例中，相同的配置被给予相同的标号。在下文中，第一实施例中描述的内容将用作基础，并主要描述第二实施例中不同的内容。
车辆300包括电池210、监视单元220、电池诊断装置120、输出单元130和通信单元230。
电池210是诸如铅酸电池或锂离子电池的可充电/可放电的二次电池。例如，电池210可以是安装在车辆300上作为电源/存储源的辅助电池。
电池诊断装置120有用于诊断电池210的状态的配置，并且更具体地，用于诊断电池210的劣化的配置。电池诊断装置120包括获取单元121、设定单元122、估计单元123和存储单元124。
获取单元121获取由监视单元220检测到的指示电池210的状态的物理量、电池210的使用时间和车辆300的驻车时间的一部分或全部。
设定单元122基于由获取单元121获取的指示电池210的状态的物理量、电池210的使用时间、车辆300的驻车时间等的一部分或全部，从预先准备的两个以上诊断模型中选取一个诊断模型，并将所选的诊断模型设定为用于估计电池劣化的诊断模型。
估计单元123使用由设定单元122设定的诊断模型来估计电池210的劣化状态。劣化状态的估计可以通过使用该诊断模型执行预定的神经网络运算来实现。
存储装置124存储了两个以上诊断模型。在本实施例中，存储单元124至少存储了第一诊断模型(用于有保护电路的电池的模型)和第二诊断模型(用于无保护电路的电池的模型)。
输出单元130被配置为输出(提供、利用)包括由电池诊断装置120诊断出的估计的电池210的劣化状态在内的结果。例如，输出单元130可以在车辆300中包括的显示装置(未示出)等的屏幕上显示电池诊断结果，或经由能够无线或有线通信的通信单元230向车辆300以外的外部装置(诸如用户的智能手机或车辆销售商的终端等)提供电池诊断结果。
控制
同样在第二实施例的配置中，如在第一实施例中那样，车辆300中设置的电池诊断装置120可以执行在参照图2至图6描述的第一至第五示例和其他示例中描述的电池诊断控制。通过执行这些电池诊断控制，可以实现上述的各种效果。
实施例的效果
上述的本公开的电池诊断装置基于指示安装在车辆上的电池的状态的物理量，从两个以上诊断模型中设定一个合适的诊断模型，并且基于所设定的诊断模型估计电池的劣化状态。通过如此控制，可以提高电池的劣化状态的估计精度。
假设物理量中的至少一个是电压，当电池电压等于或高于第一阈值时可以设定第一诊断模型，而在其他情况下可以设定第二诊断模型。这时，第一诊断模型期望是基于连接有用于抑制放电量的保护电路的电池的电压进行机器学习的AI模型，而第二诊断模型期望是基于未连接保护电路的电池的电压进行机器学习的AI模型。通过如此控制，即使当电池诊断装置不能判断电池是否连接有保护电路时，也可以为连接保护电路的电池和未连接保护电路的电池两者设定最佳诊断模型，从而可以提高电池的劣化状态的估计精度。此外，因为本公开的电池诊断控制可以既适用于配备有连接保护电路的电池的车辆，又适用于配备有未连接保护电路的电池的车辆，因此其通用性很高。
此外，在本公开的电池诊断装置中，在从电池被安装在车辆上时直到经过第一时间为止的初始期间中，可以基于在每个预定时间指示电池状态的物理量来设定一个诊断模型，并且可以在初始期间已经过后不对这一个诊断模型作出新的设定。通过如此控制，可以基于在能够明确地判断有无保护电路的初始期间中设定的诊断模型来在经过初始期间后估计电池的劣化，从而可以提高电池的劣化状态的估计精度。
这里，当两个以上诊断模型是第一诊断模型和第二诊断模型时，在从电池被安装在车辆上时直到经过第一时间为止的初始期间中，可以基于指示电池的状态的物理量来设定第一诊断模型或第二诊断模型，并且在初始期间经过后，可以禁止设定从第一诊断模型改变为第二诊断模型。通过如此控制，例如，即使当由于在车辆上安装了SOC降低的低电压电池而发生初始期间的错误判定时，该错误的判定也可以在初始期间经过之后被修正。另外，可以避免将由于在初始期间经过后发生的电池劣化而引起的电压下降错误地判断为由于没有保护电路而导致的电池输出的低电压。
此外，在从电池被安装在车辆上时直到经过第一时间为止的初始期间中，可以在每个预定时间判断电池的电压是否等于或高于第一阈值，并且当电池的电压被判断为等于或高于第一阈值的次数在经过比第一时间短的第二时间之前等于或大于第二阈值时，可以设定第一诊断模型，并可以在其他情况下设定第二诊断模型。通过如此控制，即使当电池的电压由于噪声的影响而波动时，也可以根据电池终端出现电压的频率而适当地设定诊断模型。
更进一步地，当电池的SOC等于或高于第三阈值或当车辆的驻车时间短于第四阈值时，可以基于指示电池的状态的物理量设定一个诊断模型。可替代地，当电池的SOC低于第三阈值时或当车辆的驻车时间等于或长于第四阈值时，可以设定预定的诊断模型或前次设定的诊断模型。通过如此控制，当电池的电压的精度(可靠度)低时，不新设定诊断模型而是继续使用前次设定的诊断模型来估计电池的劣化，从而提高电池的劣化状态的估计精度。
尽管本公开的实施例已在上文中描述，但本公开可以应用于电池诊断装置、由包括处理器和存储器的电池诊断装置执行的电池劣化估计方法、用于执行电池劣化估计方法的控制程序、存储了控制程序的计算机可读非暂时性存储介质，以及配备了电池诊断装置的中心或车辆。
本公开的电池诊断装置等可用于诊断安装在车辆上的电池的状态。

Claims (9)

1.一种用于诊断安装在车辆上的电池的状态的电池诊断装置，所述电池诊断装置包括：
获取单元，其获取指示所述电池的所述状态的物理量；
设定单元，其基于所述获取单元获取的所述物理量，从两个以上诊断模型中设定一个诊断模型；以及
估计单元，其基于所述设定单元设定的所述一个诊断模型而估计所述电池的劣化状态，
所述物理量至少包括电压，并且所述两个以上诊断模型包括第一诊断模型和第二诊断模型，所述第一诊断模型是人工智能模型（AI模型），其基于连接有用于抑制放电量的保护电路的所述电池的所述电压进行机器学习，所述第二诊断模型是AI模型，其基于未连接所述保护电路的所述电池的所述电压进行机器学习，
在由所述获取单元获取的所述电池的所述电压等于或高于第一阈值时，所述设定单元设定所述第一诊断模型，并且在其他情况下设定所述第二诊断模型。
2.根据权利要求1所述的电池诊断装置，其中，所述设定单元从所述电池被安装在所述车辆上时直到经过第一时间为止，基于在每个预定时间由所述获取单元获取的所述物理量而设定所述第一诊断模型和所述第二诊断模型中的一个，并且在所述第一时间经过后不执行从所述第一诊断模型改变为所述第二诊断模型的设定。
3.根据权利要求1所述的电池诊断装置，其中，所述设定单元从所述电池被安装在所述车辆上时直到经过第一时间为止，判断在每个预定时间由所述获取单元获取的所述电池的所述电压是否等于或高于所述第一阈值，并且当所述电池的所述电压被判断为等于或高于所述第一阈值的次数在经过比所述第一时间短的第二时间之前等于或大于第二阈值时，设定所述第一诊断模型，并且在其他情况下设定所述第二诊断模型。
4.根据权利要求1至3中任一项所述的电池诊断装置，其中，所述设定单元在所述电池的充电状态等于或高于第三阈值或在所述车辆的驻车时间短于第四阈值时，基于由所述获取单元获取的所述物理量来设定所述一个诊断模型。
5.根据权利要求1至3中任一项所述的电池诊断装置，其中，所述设定单元在所述电池的充电状态低于第三阈值或所述车辆的驻车时间等于或长于第四阈值时，设定预定的诊断模型或前次设定的诊断模型。
6.一种用于诊断安装在车辆上的电池的状态的电池劣化估计方法，其由电池诊断装置的计算机执行，所述电池劣化估计方法包括：
获取指示所述电池的所述状态的物理量的步骤；
基于获取的所述物理量从两个以上诊断模型中设定一个诊断模型的步骤；以及
基于设定的所述一个诊断模型估计所述电池的劣化状态的步骤，
所述物理量至少包括电压，并且所述两个以上诊断模型包括第一诊断模型和第二诊断模型，所述第一诊断模型是人工智能模型（AI模型），其基于连接有用于抑制放电量的保护电路的所述电池的所述电压进行机器学习，并且所述第二诊断模型是AI模型，其基于未连接所述保护电路的所述电池的所述电压进行机器学习，并且
在所获取的所述电池的所述电压等于或高于第一阈值时，设定所述第一诊断模型，并且在其他情况下设定所述第二诊断模型。
7.一种计算机可读非暂时性存储介质，其存储有用于诊断安装在车辆上的电池的状态的电池劣化估计程序，其由电池诊断装置的计算机执行，所述电池劣化估计程序包括：
获取指示所述电池的所述状态的物理量的步骤；
基于获取的所述物理量从两个以上诊断模型中设定一个诊断模型的步骤；以及
基于设定的所述一个诊断模型估计所述电池的劣化状态的步骤，
所述物理量至少包括电压，并且所述两个以上诊断模型包括第一诊断模型和第二诊断模型，所述第一诊断模型是人工智能模型（AI模型），其基于连接有用于抑制放电量的保护电路的所述电池的所述电压进行机器学习，并且所述第二诊断模型是AI模型，其基于未连接所述保护电路的所述电池的所述电压进行机器学习，并且
在所获取的所述电池的所述电压等于或高于第一阈值时，设定所述第一诊断模型，并且在其他情况下设定所述第二诊断模型。
8. 一种管理中心，其包括：
根据权利要求1至5中任一项所述的电池诊断装置；以及
通信单元，其接收从所述车辆发送的指示所述电池的所述状态的所述物理量，并向所述获取单元发送所述物理量。
9.一种配备了根据权利要求1至5中任一项所述的电池诊断装置的车辆。
CN202110772879.1A 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 Active CN114076900B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-140178 2020-08-21
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
CN114076900A CN114076900A (zh) 2022-02-22
CN114076900B true CN114076900B (zh) 2023-09-19

Family

ID=80270989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110772879.1A Active 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

Country Status (3)

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

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7516469B2 (ja) 2021-09-10 2024-07-16 株式会社日本総合研究所 情報処理方法及び情報処理装置

Citations (13)

* 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
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
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
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
CN103926538A (zh) * 2014-05-05 2014-07-16 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
CN104849671A (zh) * 2015-05-22 2015-08-19 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
CN104977543A (zh) * 2014-04-08 2015-10-14 福特全球技术公司 用于电池电压的基于模型的诊断
CN109878341A (zh) * 2019-03-07 2019-06-14 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
CN110333450A (zh) * 2019-04-30 2019-10-15 蜂巢能源科技有限公司 电池开路电压预估方法及系统
CN110703107A (zh) * 2019-11-05 2020-01-17 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
CN110837058A (zh) * 2019-11-06 2020-02-25 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
CN111103544A (zh) * 2019-12-26 2020-05-05 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
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 (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
KR100880717B1 (ko) 2005-02-14 2009-02-02 가부시키가이샤 덴소 뉴럴네트워크연산에 기초한 2차전지의 충전상태를 검출하기위한 방법 및 장치
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
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
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
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

Patent Citations (13)

* 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
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
CN104977543A (zh) * 2014-04-08 2015-10-14 福特全球技术公司 用于电池电压的基于模型的诊断
CN103926538A (zh) * 2014-05-05 2014-07-16 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
CN104849671A (zh) * 2015-05-22 2015-08-19 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
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
CN109878341A (zh) * 2019-03-07 2019-06-14 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
CN110333450A (zh) * 2019-04-30 2019-10-15 蜂巢能源科技有限公司 电池开路电压预估方法及系统
CN110703107A (zh) * 2019-11-05 2020-01-17 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
CN110837058A (zh) * 2019-11-06 2020-02-25 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
CN111103544A (zh) * 2019-12-26 2020-05-05 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

Also Published As

Publication number Publication date
JP7314880B2 (ja) 2023-07-26
CN114076900A (zh) 2022-02-22
JP2022035685A (ja) 2022-03-04
US20220058892A1 (en) 2022-02-24
US11995919B2 (en) 2024-05-28

Similar Documents

Publication Publication Date Title
EP2574948B1 (en) Electric storage device monitor
US20110231122A1 (en) Method and system for determining the kind of a battery
EP1500945A2 (en) Methods and devices for diagnosing the condition of rechargeable batteries
CN106785107B (zh) 用于诊断电池系统问题的方法和系统
EP3032633B1 (en) Battery control system, and vehicle control system
EP3270171B1 (en) Battery managing device, battery monitoring circuit, control system
CN109795368B (zh) 电源控制系统和电源控制方法
WO2015011534A2 (en) Control device and control method for electrical storage device
JP2010041794A (ja) 車両駆動装置
CN110568375A (zh) 动力电池健康状态soh确定方法及装置
CN109946615B (zh) 用于确定车辆低压电气系统的故障的方法和装置
US20200357197A1 (en) Vehicle battery health measurement and control systems and methods
JP5838224B2 (ja) 電池制御装置
KR102632629B1 (ko) 배터리 셀 진단 장치 및 방법
CN111051906B (zh) 用于确定能量存储装置的容量的设备
JP5286708B2 (ja) 二次電池の異常検出装置および異常検出方法
CN114076900B (zh) 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
CN113525171B (zh) 一种电动汽车电池充放电控制方法及装置
US10131244B2 (en) Method for monitoring a battery
JP2018501613A (ja) 電池のアキュムレータの過充電を検出するための方法及び装置
EP3872506A1 (en) Battery control device
CN115891660A (zh) 换电连接器检测方法、装置、电路、电子设备及存储介质
CN113270649B (zh) 电池控制装置、电池控制方法、存储介质和车辆
CN114976327A (zh) 电池信息收集装置以及电池监视系统
KR20220066978A (ko) 전기 또는 하이브리드 자동차에서 고전압 회로의 절연 저항을 추정하는 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant