一种基于图像识别航空蓄电池电量充满预测方法技术

本发明专利技术公开了一种基于图像识别航空蓄电池电量充满预测方法，属于航空设备管理维护技术领域。为解决现有技术中航空蓄电池充电过充或充电不足的问题，方法具体包括以下步骤：步骤S11  建立不同型号航空蓄电池的标准曲线图库；步骤S12  深度学习改善图库；步骤S13  数字滤波后的充满判断。本发明专利技术的技术方案，通过结合模拟信号处理、模数变换和数字信号处理进行杂波抑制后，系统可控性和抗干扰性能好，提高了航空蓄电池电量充满判断的可靠性。

【技术实现步骤摘要】
一种基于图像识别航空蓄电池电量充满预测方法
本专利技术具体涉及一种基于图像识别航空蓄电池电量充满预测方法，属于航空设备管理维护

技术介绍
航空蓄电池的充电结束有人工测量手动充满关机和智能充电系统自动充满关机。航空蓄电池手工关机的操作过程一般是采取过充的方式进行，通过人工测量一段时间的充电过压值，判断电压不再升高即手动关机。这种方法局限于人工操作规范，如果人工疏忽容易造成电池的严重过充，影响电池寿命，容易发生安全事故。传统的智能充电系统自动充满关机判断，传统的SOC基本估算方法有开路电压法、内阻法和安时法等。近年来又相继研发出许多对电池SOC的新型算法,例如模糊逻辑算法模型、自适应神经模糊推断模型、卡尔曼滤波估计模型算法以及新出现的线性模型法和阻抗光谱法等开路电压法，这些算法适用于测试稳定状态下的电池SOC，电池的老化效应、自放电效应等系数无法确定，由于航空蓄电池电池在使用过程中表现的高度非线性，，使准确估计SOC具有很大难度，进而难以判断电池充满的条件。传统的智能充电系统通过以上算法实时估算SOC，当SOC估算值等于电池容量安时即判断航空蓄电池充满。这种方法在实际使用过程中容易出现由电量充电不足的现象。
技术实现思路
本专利技术为解决现有技术中航空蓄电池充电过充或充电不足的问题，提供了一种基于图像识别航空蓄电池电量充满预测方法。方法具体包括以下步骤：步骤S11建立不同型号航空蓄电池的标准曲线图库；步骤S12深度学习改善图库；步骤S13数字滤波后的充满判断。进一步的，所述步骤S11具体包括：步骤S111上位机给整机控制板和模块控制板发送握手关机命令;步骤S112延时一段时间，发放电命令,关机命令;步骤S113将步骤S112重复执行3次，去掉浮充效果，测量电池开路电压V1；步骤S114延时一段时间，发放电命令，再延时一段时间，测量电池放电时的电压V2，R=(V2-V1)/70；步骤S115查R与电量的对应关系表得出电量。进一步的，所述步骤S12具体包括：步骤S121充电过程中每200ms同时采集20节航空蓄电池单体电池电压和电池组中心温度，得到20组单体电压V1，电压精度为0.001V，温度精度为0.1度，通过软件数字滤波去除噪声异常点，对每节单体电池连续记录的10个电压V1采样值去掉最高和最低的3个电压点，对剩下的4个点进行加权平均得到加权平均电压V2,使用V2绘制实时电压曲线；步骤S122重复步骤S121，得到加权平均电压V3，比较V3与V2，如果V3小于V2,充电下降判断计数Vcount加1，如果Vcount连续加到5，截取这段实时曲线作为深度学习输入曲线样本；步骤S123确定输入层和输出层神经元，将以上过程得到的实时曲线作为深度学习输入层，将标准曲线库作为输出层；步骤S124确定激活函数、神经网络隐含层层数和隐含层神经元数，建立神经网络；步骤S125调整网络参数，训练已创建的神经网络，改善标准曲线库。进一步的，所述步骤步骤S13具体为：通过数字滤波后，在充电过程中判断电压曲线图的下降或平稳趋势，即进入到充电结束阶段，在历史曲线库中选择特征匹配最佳的历史曲线作为标准充电曲线，根据标准充电曲线的结束点控制充电结束，如果在此阶段匹配差距大于阈值，电池电压连续下降趋势保持1分钟，实行关机处理，并将该实时曲线加入到标准曲线图库。本专利技术的有益效果在于：根据本专利技术的技术方案，通过结合模拟信号处理、模数变换和数字信号处理进行杂波抑制后，系统可控性和抗干扰性能好，提高了航空蓄电池电量充满判断的可靠性。附图说明图1是实施例中的基于图像识别航空蓄电池电量充满预测方法的流程图。图2是建立不同型号的航空蓄电池充电全过程的电压变化曲线图库的流程图。具体实施方式下面结合附图对本专利技术的具体实施方式进行说明：本专利技术的电池自动充满预测方法的基本流程的原理如下：1.首先建立不同型号的航空蓄电池充电全过程的电压变化曲线图库。2.在充电过程中通过软件数字滤波去除噪声点，实时进行电池电压曲线图的绘制。3.在充电过程中判断电压曲线图的下降或平稳趋势，即进入到充电结束阶段。4.进入到充电结束阶段后，将实时曲线作为深度学习的输入样本，在历史曲线库中选择特征匹配最佳的历史曲线作为标准充电曲线。如果在此阶段匹配差距大于阈值，按第6步进行结束判断。5.根据标准充电曲线的结束点控制充电结束。6.电池电压连续下降趋势保持1分钟，实行关机处理，并将该实时曲线加入到标准历史曲线库中。如图1所示，本专利技术实施例中方法主要包括如下步骤：步骤S11建立不同型号航空蓄电池的标准曲线图库；步骤S12深度学习改善图库；步骤S13数字滤波后的充满判断。在步骤S11中，建立不同型号的航空蓄电池充电全过程的电压变化曲线图库的流程如图2所示，具体包括：步骤S111上位机给整机控制板和模块控制板发送握手关机命令;步骤S112延时一段时间，发放电命令,关机命令;步骤S113将步骤S112重复执行3次，去掉浮充效果，测量电池开路电压V1；步骤S114延时一段时间，发放电命令，再延时一段时间，测量电池放电时的电压V2，R=(V2-V1)/70；步骤S115查R与电量的对应关系表得出电量。在步骤S12中，具体包括：步骤S121充电过程中每200ms同时采集20节航空蓄电池单体电池电压和电池组中心温度，得到20组单体电压V1，电压精度为0.001V，温度精度为0.1度，通过软件数字滤波去除噪声异常点，对每节单体电池连续记录的10个电压V1采样值去掉最高和最低的3个电压点，对剩下的4个点进行加权平均得到加权平均电压V2,使用V2绘制实时电压曲线；步骤S122重复步骤S121，得到加权平均电压V3，比较V3与V2，如果V3小于V2,充电下降判断计数Vcount加1，如果Vcount连续加到5，截取这段实时曲线作为深度学习输入曲线样本；步骤S123确定输入层和输出层神经元，将以上过程得到的实时曲线作为深度学习输入层，将标准曲线库作为输出层；步骤S124确定激活函数、神经网络隐含层层数和隐含层神经元数，建立神经网络；步骤S125调整网络参数，训练已创建的神经网络，改善标准曲线库。在步骤S13中，通过数字滤波后，在充电过程中判断电压曲线图的下降或平稳趋势，即进入到充电结束阶段，在历史曲线库中选择特征匹配最佳的历史曲线作为标准充电曲线，根据标准充电曲线的结束点控制充电结束，如果在此阶段匹配差距大于阈值，电池电压连续下降趋势保持1分钟，实行关机处理，并将该实时曲线加入到标准曲线图库。以上所述是本专利技术的优选实施方式，应当指出，对于本
的普通技术人员来说，在不脱离本专利技术所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
一种基于图像识别航空蓄电池电量充满预测方法，其特征在于，所述方法包括以下步骤：步骤S11 建立不同型号航空蓄电池的标准曲线图库；步骤S12 深度学习改善图库；步骤S13 数字滤波后的充满判断。

【技术特征摘要】
1.一种基于图像识别航空蓄电池电量充满预测方法，其特征在于，所述方法包括以下步骤：步骤S11建立不同型号航空蓄电池的标准曲线图库；步骤S12深度学习改善图库；步骤S13数字滤波后的充满判断。2.如权利要求1所述的基于图像识别航空蓄电池电量充满预测方法，其特征在于，所述步骤S11具体包括：步骤S111上位机给整机控制板和模块控制板发送握手关机命令;步骤S112延时一段时间，发放电命令,关机命令;步骤S113将步骤S112重复执行3次，去掉浮充效果，测量电池开路电压V1；步骤S114延时一段时间，发放电命令，再延时一段时间，测量电池放电时的电压V2，R=(V2-V1)/70；步骤S115查R与电量的对应关系表得出电量。3.如权利要求1所述的基于图像识别航空蓄电池电量充满预测方法，其特征在于，所述步骤S12具体包括：步骤S121充电过程中每200ms同时采集20节航空蓄电池单体电池电压和电池组中心温度，得到20组单体电压V1，电压精度为0.001V，温度精度为0.1度，通过软件数字滤波去除噪声异常点，对每节单体电池连续记录的10个...

【专利技术属性】
技术研发人员：周德宇，廖兴元，王学亮，
申请(专利权)人：广州志正电气有限公司，
类型：发明
国别省市：广东,44