-
公开(公告)号：CN114910800A
公开(公告)日：2022-08-16
申请号：CN202210607334.X
申请日：2022-05-31
Applicant: 重庆长安新能源汽车科技有限公司
IPC: G01R31/3835 , G01R31/367 , G01R31/396 , G06F7/50
Abstract: 本发明涉及一种对电池电压排序变化趋势进行判断的方法及系统，该方法包括的步骤为：第一行数据累加完成后，向后移动一行，滑窗值w自加1，按单体电压序号顺序计算单体累加值V_sumi直至滑窗值w大于滑窗设定值时结束；将第一次滑窗的单体电压累加值V_sumi作为前一次结果值v_beforei,即v_beforei=v_sumi；回到前一次电压数据起点，并下移t行，即为滑窗的第二起点；将滑窗值w清零、v_sumi清零，按单体电压序号顺序计算单体电压累加值，直至单体电压序号i大于单体总数时结束。本发明根据当前电池电压数据，不通过线性拟合，通过简单计算，即可快速得出上升或下降变化趋势，进而判定电池的风险度。
-
公开(公告)号：CN114528903A
公开(公告)日：2022-05-24
申请号：CN202111604793.4
申请日：2021-12-24
Applicant: 重庆长安新能源汽车科技有限公司
IPC: G06K9/62
Abstract: 本发明公开的一种电池故障预警方法、系统及存储介质，包括：步骤1.选取各个电池充放电的电压数据片段，每一个单体电压随时间变化的曲线作为聚类的基本元素；步骤2.利用凝聚分层聚类方法对所有单体的电压曲线进行聚类；步骤3.根据聚类结果将类内元素数量最多的类作为正常簇，其余类当作潜在异常簇；步骤4.计算正常簇中元素之间距离的平均值；步骤5.计算潜在异常簇与正常簇的类间距离；步骤6.计算正常簇类内元素平均距离和异常簇与正常簇的类间距离的比值，并与预警条件进行比较，若满足预警条件，则触发报警，本发明能够判断电池运行过程中是否发生故障，避免了收集不同故障类型数据来训练模型的过程，保证了故障预警快速且高效。
-
公开(公告)号：CN113988186A
公开(公告)日：2022-01-28
申请号：CN202111271689.8
申请日：2021-10-29
Applicant: 重庆长安新能源汽车科技有限公司
Abstract: 本发明公开的一种基于自编码器在线车辆电池集成学习异常识别方法及系统，包括：将所有车辆按照不同里程分层抽样，分为第一层车群，…，第c层车群；从每一层车群中随机选取j％数量的车辆作为训练样本车辆；选取样本车辆的动力电池数据并生成样本数据；将每一个样本车辆的数据用于训练一个对应的自编码器；对每一个训练好的自编码器计算出一个阈值；得到每个车群的自编码器群；对每一层车群的每一辆车依据对应的自编码器群中的每一个自编码器计算出一个结果；基于计算结果重新排序；对排名靠前的车辆进行异常分析。本发明将车辆分层，并基于多个自编码器共同对属于该一层次的车辆进行分析判断，通过排序的方式，将异常车辆排在前列并寻找出来。
-
Patent Agency Ranking
公开(公告)号：CN114675189A
公开(公告)日：2022-06-28
申请号：CN202210333273.2
申请日：2022-03-31
Applicant: 重庆长安新能源汽车科技有限公司
IPC: G01R31/367 , G01R31/382 , G01R31/389 , G01R31/396
Abstract: 本发明提供了一种电池故障检测方法，包括：对各电池单体在一个充放电循环内的单体电压和单体电流进行采集；基于各电池单体在所述充放电循环内的单体电压和单体电流，计算各电池单体的第一相关系数和电池包的第二相关系数，并计算各电池单体的第一斜率和电池包的第二斜率；在第一相关系数和/或第二相关系数满足预设条件时，基于第一斜率确定各电池单体在所述充放电循环内是否故障，并基于第二斜率确定电池包在所述充放电循环内是否故障；其中，各电池单体的第一相关系数和第一斜率均与其单体电压和电流相关；电池包的第二相关系数和第二斜率均与电池包的总电压和电流相关。
-
公开(公告)号：CN114675189B
公开(公告)日：2024-11-22
申请号：CN202210333273.2
申请日：2022-03-31
Applicant: 重庆长安新能源汽车科技有限公司
IPC: G01R31/367 , G01R31/382 , G01R31/389 , G01R31/396
Abstract: 本发明提供了一种电池故障检测方法，包括：对各电池单体在一个充放电循环内的单体电压和单体电流进行采集；基于各电池单体在所述充放电循环内的单体电压和单体电流，计算各电池单体的第一相关系数和电池包的第二相关系数，并计算各电池单体的第一斜率和电池包的第二斜率；在第一相关系数和/或第二相关系数满足预设条件时，基于第一斜率确定各电池单体在所述充放电循环内是否故障，并基于第二斜率确定电池包在所述充放电循环内是否故障；其中，各电池单体的第一相关系数和第一斜率均与其单体电压和电流相关；电池包的第二相关系数和第二斜率均与电池包的总电压和电流相关。
-
公开(公告)号：CN114355199B
公开(公告)日：2024-11-12
申请号：CN202111661180.4
申请日：2021-12-30
Applicant: 重庆长安新能源汽车科技有限公司
IPC: G01R31/367 , G01R31/392 , G06N3/044 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于循环神经网络的电池热失控风险预测方法及系统，该方法包括以下步骤：从预先收集的用于训练循环神经网络模型的历史数据中选取特征数据，并对特征数据进行数据清洗；基于进行过清洗之后的特征数据生成固定时间长度的样本数据，其中，样本数据包括正常车辆的样本数据和问题车辆的样本数据；构建循环神经网络模型；定义循环神经网络模型的输出；循环神经网络模型获取正常车辆的样本数据并进行训练；利用问题车辆的样本数据验证进行训练之后的循环神经网络模型。本发明通过模型获取采集得到的实时数据，按照一定的频率进行计算，然后得到模型的预测结果，将预测结果与实际结果比对，计算偏离度，该偏离度即可作为电池可能发生热失控故障的概率。
-
公开(公告)号：CN114355199A
公开(公告)日：2022-04-15
申请号：CN202111661180.4
申请日：2021-12-30
Applicant: 重庆长安新能源汽车科技有限公司
IPC: G01R31/367 , G01R31/392 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于循环神经网络的电池热失控风险预测方法及系统，该方法包括以下步骤：从预先收集的用于训练循环神经网络模型的历史数据中选取特征数据，并对特征数据进行数据清洗；基于进行过清洗之后的特征数据生成固定时间长度的样本数据，其中，样本数据包括正常车辆的样本数据和问题车辆的样本数据；构建循环神经网络模型；定义循环神经网络模型的输出；循环神经网络模型获取正常车辆的样本数据并进行训练；利用问题车辆的样本数据验证进行训练之后的循环神经网络模型。本发明通过模型获取采集得到的实时数据，按照一定的频率进行计算，然后得到模型的预测结果，将预测结果与实际结果比对，计算偏离度，该偏离度即可作为电池可能发生热失控故障的概率。
-
公开(公告)号：CN115130562A
公开(公告)日：2022-09-30
申请号：CN202210659648.4
申请日：2022-06-13
Applicant: 重庆长安新能源汽车科技有限公司
Abstract: 本发明提供一种基于对抗式学习融合聚类的车辆电池异常识别方法，包括数据处理、模型搭建和异常统计识别三个部分。主要采用对抗式学习融合聚类的方式，将聚类分析和对抗式学习神经网络两种计算方法融合，避免因采用一种方法带来异常识别误判问题，以及由于车辆样本数、不同车辆数据量不同等因素所导致的误报率高问题，实现在线或离线识别异常车辆电池，降低电池的使用安全风险。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.035 seconds)
