[发明专利]基于超声测量的锂离子电池荷电状态估计方法及装置

权利要求书

1.一种基于超声测量的锂离子电池荷电状态估计方法，其特征在于，包括：

在待测电池充放电状态下，用超声波检测所述待测电池的荷电状态，并获取检测后的超声波信号；

根据所述超声波信号的特征类型在所述超声波信号的拟合包络线上扩展超声时域特征；

根据低复杂性的回归模型构建荷电状态初步估计模型；

根据所述待测电池中训练电池的超声时域特征训练所述荷电状态初步估计模型，得到荷电状态最终估计模型；

将所述待测电池中测试电池的超声时域特征输入所述荷电状态最终估计模型，得到所述测试电池的荷电状态。

2.根据权利要求1所述的基于超声测量的锂离子电池荷电状态估计方法，其特征在于，根据所述超声波信号的特征类型在所述超声波信号的拟合包络线上扩展超声时域特征包括：

对所述超声波信号进行分解，得到多个超声波分量信号，并根据频率阈值对每一所述超声波分量信号进行滤波降噪；

将滤波降噪后的超声波分量信号进行重构，得到重构超声波信号；

根据所述重构超声波信号的特征类型在所述重构超声波信号的拟合包络线上扩展超声时域特征。

3.根据权利要求1所述的基于超声测量的锂离子电池荷电状态估计方法，其特征在于，在根据所述超声波信号的特征类型在所述超声波信号的拟合包络线上扩展超声时域特征之后，还包括：

获取所述待测电池充放电过程中各个时刻的荷电状态；

计算所述超声时域特征与所述待测电池充放电过程中各个时刻的荷电状态的相关系数；

根据所述相关系数筛选高相关超声时域特征；

相应的，根据所述待测电池中训练电池的超声时域特征训练所述荷电状态初步估计模型，得到荷电状态最终估计模型，包括：

根据所述训练电池的高相关超声时域特征训练所述荷电状态初步估计模型，得到所述荷电状态最终估计模型；

相应的，将所述待测电池中测试电池的超声时域特征输入所述荷电状态最终估计模型，得到所述测试电池的荷电状态，包括：

将所述测试电池的高相关超声时域特征输入所述荷电状态最终估计模型，得到所述测试电池的荷电状态。

4.根据权利要求1所述的基于超声测量的锂离子电池荷电状态估计方法，其特征在于，还包括：

根据至少两个评估指标对所述荷电状态最终估计模型进行评估。

5.根据权利要求1所述的基于超声测量的锂离子电池荷电状态估计方法，其特征在于，还包括：

在循环工况下根据至少两个评估指标对所述荷电状态最终估计模型进行评估。

6.根据权利要求4或5所述的基于超声测量的锂离子电池荷电状态估计方法，其特征在于，所述评估指标包括：均方误差、均方根误差、平均绝对误差以及R-Square决定系数。

7.根据权利要求1所述的基于超声测量的锂离子电池荷电状态估计方法，其特征在于，所述超声波信号的特征类型包括结构特征、统计特征以及变换特征。

8.根据权利要求1所述的基于超声测量的锂离子电池荷电状态估计方法，其特征在于，构建荷电状态估计模型包括：

基于随机森林模型构建荷电状态估计模型。

9.一种基于超声测量的锂离子电池荷电状态估计装置，其特征在于，包括：

超声波信号获取模块，用于在待测电池充放电状态下，用超声波检测所述待测电池的荷电状态，并获取检测后的超声波信号；

超声时域特征获取模块，用于根据所述超声波信号的特征类型在所述超声波信号的拟合包络线上扩展超声时域特征；模型构建模块，用于构建荷电状态初步估计模型；

模型训练模块，用于根据所述待测电池中训练电池的超声时域特征训练所述荷电状态初步估计模型，得到荷电状态最终估计模型；

荷电状态获取模块，用于将所述待测电池中测试电池的超声时域特征输入所述荷电状态最终估计模型，得到所述测试电池的荷电状态。

10.根据权利要求9所述的基于超声测量的锂离子电池荷电状态估计装置，其特征在于，超声时域特征获取模块包括：

分解单元，用于对所述超声波信号进行分解，得到多个超声波分量信号，并根据频率阈值对每一所述超声波分量信号进行滤波降噪；

重构单元，用于将滤波降噪后的超声波分量信号进行重构，得到重构超声波信号；

超声时域特征获取单元，用于根据所述重构超声波信号的特征类型在所述重构超声波信号的拟合包络线上扩展超声时域特征。