[发明专利]一种多功能铅酸蓄电池智能维护装置及容量预测方法

权利要求书

1.一种多功能铅酸蓄电池智能维护装置，其特征在于：包括充电单元（1）、主控模块（2）、放电单元（3）和测量控制电路（4），其中：

所述充电单元（1）中的开关电源模块（1.2）的输入端与主控模块（2）中的DAC充电控制单元（2.4）连接；

所述测量控制电路（4）包括输出切换开关A（4.1）、电池电压检测电池反接检测（4.2）、输出切换开关B（4.3）、电流检测（4.4）和温度检测（4.5）,所述电池电压检测电池反接检测（4.2）输入端连接蓄电池的正负两极，输出端连接主控模块（2）中的ADC测量单元（2.7）的输入端；电流检测（4.4）采集蓄电池的电流信号后，输入所述ADC测量单元（2.7）的输入端；温度检测（4.5）采集放电单元（3）中的PTC模块（3.3）的温度后，输入所述ADC测量单元（2.7）的输入端；所述输出切换开关A（4.1）一端与蓄电池的正负两极连接，另一端与所述开关电源模块（1.2）连接；所述输出切换开关B（4.3）一端与蓄电池的正负两极连接，另一端与所述PTC模块（3.3）连接；

所述主控模块（2）中的I/O接口（2.5）分别与放电单元（3）中的散热风机（3.4）、所述开关电源模块（1.2）、所述输出切换开关A（4.1）和输出切换开关B（4.3）相连接；

所述电流检测（4.4）实时检测蓄电池的放电电流                                                ，经所述主控模块（2）中的单片机（2.1）的蓄电池容量预测运算分析，实时调节PWM隔离输出单元（2.6）输出的PWM信号的占空比，经PTC驱动模块（3.1）驱动后通过功率开关（3.2）控制PTC模块（3.3）完成恒流放电;

所述单片机（2.1）的蓄电池容量预测运算分析包括的内容如下：

（1）BP神经网络的建立

网络结构分为三层：输入层、隐含层和输出层，输入层节点数为2个：蓄电池的放电电流和蓄电池端电压；隐含层数为1，包含6个隐层单元；输出层节点数为1个：蓄电池的剩余容量；隐层节点和输出节点均采用Sigmoid函数作为激励函数，网络的训练算法采用动量梯度下降反向传播算法；

（2）采用遗传退火算法优化网络权值

a）初始化种群及网络的基本运算参数包括：种群规模、进化最大代数、交叉概率、退火初始温度、温度衰减函数和MapkoB链长；

b）计算评价各个体的适应度；

c）判断是否满足优化准则，若满足则进入步骤（3），否则继续下一步；

d）采用相应的遗传操作算子进行选择、交叉和变异操作；

e）进行退火优化，然后返回步骤b）继续循环；

（3）采集数据对网络进行训练

当完成步骤（2）后，利用神经网络具有自学习性质，将采集到蓄电池的放电电流和蓄电池端电压应用到BP神经网络的训练中，训练过程如下：

f）设置网络的最大训练次数和最小误差；

g）将蓄电池的放电电流和蓄电池端电压作为网络的训练样本，输入网络采用动量梯度下降反向传播算法进行训练，直到小于等于最小误差或达到最大训练次数为止；

h）完成训练后输出蓄电池的剩余容量。

2.根据权利要求1所述一种多功能铅酸蓄电池智能维护装置，其特征在于：所述充电单元（1）包括输入整流滤波电路（1.1）和开关电源模块（1.2），输入整流滤波电路（1.1）与开关电源模块（1.2）连接；

所述主控模块（2）包括单片机（2.1）、人机界面（2.2）、通信接口（2.3）、DAC充电控制单元（2.4）、I/O接口（2.5）、PWM隔离输出单元（2.6）和ADC测量单元（2.7），单片机（2.1）分别与人机界面（2.2）、通信接口（2.3）、DAC充电控制单元（2.4）、I/O接口（2.5）、PWM隔离输出单元（2.6）和ADC测量单元（2.7）连接。

3.根据权利要求1所述一种多功能铅酸蓄电池智能维护装置，其特征在于：所述PTC模块（3.3）由若干片PTC热敏电阻并联构成。