[发明专利]基于人工神经网络算法的电池管理系统及方法在审
申请号: | 201510968220.8 | 申请日: | 2015-12-22 |
公开(公告)号: | CN105429230A | 公开(公告)日: | 2016-03-23 |
发明(设计)人: | 胥昕;苏良勇;王露;杨再能 | 申请(专利权)人: | 重庆西南集成电路设计有限责任公司 |
主分类号: | H02J7/00 | 分类号: | H02J7/00 |
代理公司: | 重庆市前沿专利事务所(普通合伙) 50211 | 代理人: | 郭云 |
地址: | 400060 重庆*** | 国省代码: | 重庆;85 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人工 神经网络 算法 电池 管理 系统 方法 | ||
1.基于人工神经网络算法的电池管理系统,包括程控转换与均衡电路(1)、直流可编程电源(2)、电子负载(3)、温度检测电路(4)、数字万用表(5)和上位机(6);其特征在于:
直流可编程电源(2)、电子负载(3)和数字万用表(5)均由上位机(6)进行远端编程控制;直流可编程电源(2)、电子负载(3)和数字万用表(5)分别通过第一继电器(7)、第二继电器(8)和第三继电器(9)与电池组(10)连接;
直流可编程电源(2)用于对电池组进行充电,并检测充电电流输出到上位机(6);
电子负载(3)用于对电池组进行放电试验,检测电池组放电电流,输出到上位机(6);
数字万用表(5)用于采集电池组以及每个单体电池的电压值,输出到上位机(6);
温度检测电路(4)用于采集电池组温度,通过程控转换与均衡电路(1)进行处理后输出到上位机(6);
程控转换与均衡电路(1)接收上位机(6)输出的控制指令,控制第一继电器(7)、第二继电器(8)和第三继电器(9)的通电状态,以对系统进行充放电切换控制和环路通断控制,并对电池组各电池单元进行电压均衡控制;同时,接收温度检测电路(4)输出的温度数据,进行处理后输出到上位机(6);
上位机(6)分别接收直流可编程电源(2)、电子负载(3)、数字万用表(5)输出的电池组充电电流、放电电流、电池组电压值以及每个单体电池的电压值,还接收温度检测电路(4)通过程控转换与均衡电路(1)输出的电池组温度数据,通过人工神经网络算法,得到电池组电量与电池组动态参数的映射规则,并将该映射规则存入上位机(6)中。
2.根据权利要求1所述的基于人工神经网络算法的电池管理系统,其特征在于:所述程控转换与均衡电路(1)包括微控制单元(14)、电压均衡电路(15)、第一升压电路(11)、第二升压电路(12)和第三升压电路(13);
第一升压电路(11)连接在微控制单元(14)与第一继电器(7)之间,第二升压电路(12)连接在微控制单元(14)与第二继电器(8)之间,第三升压电路(13)连接在微控制单元(14)与第三继电器(9)之间,第一升压电路(11)、第二升压电路(12)、第三升压电路(13)分别接收微控制单元(14)输出的信号,进行升压电路转换,分别控制第一继电器(7)、第二继电器(8)和第三继电器(9)的通断;
电压均衡电路(15)接收微控制单元(14)输出的信号,对电池组各单体电池进行电压均衡控制,对电压高的单体电池的充电电流进行旁路;
微控制单元(14)接收上位机(6)输出的控制指令,分别输出信号到电压均衡电路(15)、第一升压电路(11)、第二升压电路(12)和第三升压电路(13);同时,接收温度检测电路(4)输出的温度数据,进行处理后输出到上位机(6)。
3.根据权利要求1或2所述的基于人工神经网络算法的电池管理系统,其特征在于:该系统包括电池管理模块(20);
电池管理模块(20)与上位机(6)进行通信,上位机(6)将电池组电量与电池组动态参数的映射规则写入电池管理模块(20)内;电池管理模块(20)对电池组的充电电流、放电电流、温度以及电压进行检测,利用映射规则计算出电池组当前电量与SOC值,输出信号到程控转换与均衡电路(1)。
4.基于人工神经网络算法的电池管理方法,其特征在于:包括如下步骤:
A、上位机(6)进行人工神经网络算法学习,分别得到在充电状态下和放电状态下电池组电量与电池组动态参数的映射规则;
B、将充电状态下和放电状态下电池组电量与电池组动态参数的映射规则存入上位机(6)的指定内存或者存入电池管理模块(20);
C、采集电池组动态参数,判断电池组处于充电状态或是放电状态;当为充电状态时,根据充电状态下电池组电量与电池组动态参数的映射规则,实时计算电池组电量与SOC值;当为放电状态时,根据放电状态下电池组电量与电池组动态参数的映射规则实时计算电池组电量与SOC值;
D、判断电池组是否处于过充或过放状态,当处于过充或过放状态,断开电池组。
5.根据权利要求4所述的基于人工神经网络算法的电池管理方法,其特征在于:上位机(6)进行人工神经网络算法学习,分别得到在充电状态下和放电状态下电池组电量与电池组动态参数的映射规则,具体包括:
A1、搭建人工神经网络:采用单隐含层方式搭建人工神经网络,该人工神经网络由输入层、隐含层和输出层构成;输入层由若干输入节点构成,输入节点的数量等于需采集参数的个数;隐含层由若干隐含节点构成;输出层只由一个输出节点构成;
A2、控制电池组通过电子负载(3)放电,当电池组电量放空后,断开电子负载(3);
A3、接通直流可编程电源(2)对电池组进行充电;
A4、每间隔设定时间,利用数字万用表(5)采集电池组以及每个单体电池的电压值,输出到上位机(6);利用直流可编程电源(2)采集电池组的充电电流值,输出到上位机(6);同时,利用温度检测电路(4)采集电池组温度,通过程控转换与均衡电路(1)进行处理后输出到上位机(6);
A5、判断电池组电量是否充满,当电池组电量充满后,断开直流可编程电源(2),停止数据采集;
A6、将数字万用表(5)采集的电池组以及每个单体电池的电压值、直流可编程电源(2)采集电池组的充电电流值以及温度检测电路(4)采集的电池组温度作为输入层的输入节点;
A7、随机产生输入层的每个节点对应的权值、隐含层阈值,得出输入层到隐含层的映射规则;
A8、根据输入层到隐含层的映射规则推算出隐含层的每个节点收到的从输入层映射来的信息;
A9、将电池组电量作为输出层输出节点,随机产生隐含层的每个节点对应的权值、电池组电量阈值,得到隐含层到输出层的映射规则;
A10、根据隐含层到输出层的映射规则,推算出输出层输出节点收到的映射信息;
A11、进行误差比较:将A10步的结果与电池组的标准电量值进行比较,判断比较结果是否小于允许最大误差,当比较结果大于允许最大误差时,校准并更新隐含层的每个节点对应的权值、电池组电量阈值;校准并更新输入层的每个节点对应的权值、隐含层阈值;返回A7步;若在允许最大误差范围内,保存最终输入层到隐含层中输入层每个节点对应的权值、隐含层到输出层中隐含层的每个节点对应的权值、隐含层阈值、输出层阈值,得到充电状态下电池组电量与电池组动态参数的映射规则;
A12、控制电池组通过电子负载(3)放电;
A13每间隔设定时间,利用数字万用表(5)采集电池组以及每个单体电池的电压值,利用电子负载(3)采集电池组的放电电流值,输出到上位机(6);同时,利用温度检测电路(4)用于采集电池组温度,通过程控转换与均衡电路(1)进行处理后输出到上位机(6);
A14、判断电池组电量是否放空,当电池组电量放空后,断开电子负载(3),停止数据采集;
A15、将电池组以及每个单体电池的电压值、电池组的放电电流值以及电池组温度作为输入层的输入节点;
A16、随机产生输入层的每个节点对应的权值、隐含层阈值,得出输入层到隐含层的映射规则;
A17、根据输入层到隐含层的映射规则推算出隐含层的每个节点收到的从输入层映射来的信息;
A18、将电池组电量作为输出层输出节点,随机产生隐含层的每个节点对应的权值、电池组电量阈值,得到隐含层到输出层的映射规则;
A19、根据隐含层到输出层的映射规则,推算出输出层输出节点收到的映射信息;
A20、进行误差比较:将A19步的结果与电池组的精确电量值进行比较,判断比较结果是否小于允许最大误差,当比较结果大于允许最大误差时,校准并更新隐含层的每个节点对应的权值、电池组电量阈值;校准并更新输入层的每个节点对应的权值、隐含层阈值;返回A16步;若在允许最大误差范围内,保存最终输入层到隐含层中输入层每个节点对应的权值、隐含层到输出层中隐含层的每个节点对应的权值、隐含层阈值、输出层阈值,得到放电状态电池组电量同电池组动态参数的映射规则,学习结束。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆西南集成电路设计有限责任公司,未经重庆西南集成电路设计有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510968220.8/1.html,转载请声明来源钻瓜专利网。