识别电池健康状态的方法、装置和终端设备制造方法及图纸

本发明专利技术属于机器学习的技术领域，提供了识别电池健康状态的方法、装置和装置，所述方法包括：获取待识别电池的充电时长和充电电量；通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果。本发明专利技术不需要外部设备的介入，利用对现有的电池样本数据进行建模，只需把待识别电池的充电时长和充电电量放入电池健康状态回归模型分析，即可获得待识别设备电池出现老化情况和故障概率，不仅提高了电池健康状态识别精准度，也减少了生产成本。

【技术实现步骤摘要】
识别电池健康状态的方法、装置和终端设备
本专利技术属于机器学习的
，尤其涉及识别电池健康状态的方法、装置和终端设备。
技术介绍
近几年随着移动终端和新能源汽车的兴起，可循环充电的电池的健康也得到了一定的关注，尤其是电池健康的预测问题成为了一个热点。电池健康问题指影响其放电能力的正负极活性材料的物化结构性质、粘结剂对涂层的粘黏强度、隔膜的质量等在循环充电过程中逐渐劣化，虽然目前从设计角度对电池的结构和材料已经进行了很多的改进，电池本身性能得到了很大的提高，但是实际使用中电池的寿命问题依然存在，特别是对于大容量动力电池以及电池滥用场合。从应用角度对电池健康状况进行科学的估计和预测，进一步指导电池的运行和维护也是实现电池长时间可靠工作有着重要意义。传统的解决方案，大部分通过外连电池检测设备对电池的健康状态进行检测或者通过大数据得到的电池寿命的线性衰减给出电池大致的健康状态。外连设备虽然检测精确，但是成本较高，而大数据预测电池健康状态又存在不精确的缺陷。
技术实现思路
有鉴于此，本专利技术实施例提供了识别电池健康状态的方法及终端设备，以解决现有技术中识别电池健康状态的问题。本专利技术实施例的第一方面提供了一种识别电池健康状态的方法，包括：获取待识别电池的充电时长和充电电量；通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果。本专利技术实施例的第二方面提供了一种识别电池健康状态的装置，包括：第一获取单元，用于获取待识别电池的充电时长和充电电量；计算单元，用于通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果。本专利技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面和/或第二方面所述方法的步骤。本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面和/或第二方面所述方法的步骤。本专利技术实施例与现有技术相比存在的有益效果是：不需要通过其他检测设备的介入，利用对现有的电池样本数据进行建模，只需把待识别电池的充电时长和充电电量放入电池健康状态回归模型分析，即可获得待识别设备电池出现老化情况和故障概率，不仅提高了识别精确度，也减少了生产成本。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种识别电池健康状态方法的实现流程示意图；图2是本专利技术实施例提供的生成电池健康状态回归模型的实现流程示意图；图3是基于监督学习获得电池健康状态回归模型的实现流程示意图；图4是本专利技术实施例提供的利用归一化处理样本数据基于监督学习获得电池健康状态模型的实现流程示意图；图5是本专利技术实施例的根据待识别电池充电电流大小对应的电池健康回归模型获取待识别电池健康状态的识别结果的实现流程示意图；图6是本专利技术实施例提供的一种识别电池健康状态方法装置的示意图；图7是本专利技术实施例提供的一种识别电池健康状态装置/终端设备的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。请参见图1，图1是本专利技术实施例提供的一种识别电池健康状态的方法实现流程图。如图所示的识别电池健康状态的方法包括：S101，获取待识别电池的充电时长和充电电量。待识别电池是指需要通过电池健康状态回归模型识别电池健康状态的设备电池。上述待识别电池包括但不限于新能源汽车、移动终端等设备中循环充电电池。其中，获取待识别电池的充电时长和充电电量可通过本端设备或者供电端设备收集加载。通过收集充电结束时间和开始时间计算待识别电池的充电时长，收集充电起始电量和充电结束电量计算待识别电池的充电电量。将所述获得的待识别电池的充电时长和充电电量作为特征进行电池健康的识别。然而在电池充电时长太短时或者当电池电量已满但充电时长持续计时的情况导致数据误差，容易造成电池健康状态模型的识别精准度偏低。示例性的，可通过设置待识别电池充电时长阈值提高识别电池健康状态的精准度。具体的，可将电池的时长阈值设置为下限阈值10分钟上限阈值60分钟或者截取充电电量增长较为线性时待识别电池的充电时长和充电电量，截取的充电时长阈值可设为30分钟，而充电电量的阈值可设为0毫安。S102，通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果。在充电电池中，充电时长和充电电量以及电池健康状态存在着某种逻辑关系。可通过建立电池健康状态回归模型分析待测电池的充电时长和充电电量获得电池健康状态的识别结果。而所述的电池健康回归模型是基于逻辑回归模型进行监督学习获取，所述的逻辑回归模型为概率型非线性回归模型，是研究二分类观察结果与一些影响因素之间关系的一种多变量分析方法。本专利技术通过上述逻辑回归模型建立电池健康回归模型，只需通过电池健康回归模型分析待识别电池的充电时长和充电电量，即可得到待识别电池的健康状态识别结果。作为本专利技术一实施例，所述电池健康状态回归模型所得识别结果表示接近于1的概率，识别结果越接近于1则反映电池状态越不健康，越接近于0则反映电池状态越健康，这个结果可以直接用于向用户反映电池有多大的概率出现了老化和故障。本领域技术人员知晓，此处仅为示例性描述，不能解释为对本专利技术的限制。在本专利技术实施例中，只需获取待识别电池的充电时长和充电电量，通过电池健康状态回归模型识别待识别电池健康状态，不仅提高了识别精确度，也减少了生产成本。可选地，在上述图1所示实施例步骤S102本文档来自技高网...

【技术保护点】
1.一种识别电池健康状态的方法，其特征在于，包括以下步骤：获取待识别电池的充电时长和充电电量；通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果。

【技术特征摘要】
1.一种识别电池健康状态的方法，其特征在于，包括以下步骤：获取待识别电池的充电时长和充电电量；通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果。2.如权利要求1所述的方法，其特征在于，所述通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果之前，还包括：获取待识别电池的充电电流大小；获取与所述充电电流大小对应的电池健康回归模型。3.如权利要求1所述的方法，其特征在于，所述通过电池健康状态回归模型分析所述充电时长和充电电量，获得待识别电池健康状态的识别结果之前，还包括：获取多个样本数据，每个所述样本数据包括样本电池的充电样本时长和充电样本电量，以及每个样本电池对应的样本健康状态；根据所述样本数据基于监督学习获得电池健康状态回归模型，所述电池健康状态回归模型用于识别待识别电池的健康状态。4.如权利要求3所述的方法，其特征在于，所述根据所述样本数据基于监督学习获得电池健康状态回归模型之前，还包括：对所述样本数据进行归一化处理；相应的，所述根据所述样本数据基于监督学习获得电池健康状态回归模型，包括：根据进行归一化处理后的所述样本数据基于监督学习获得电池健康状态回归模型。5.如权利要求3所述识别电池健康状态的方法，其特征在于，所述根据所述样本数据基于监督学习获得电池健康状态回归模型，包括：通过逻辑函数推导出的样本电池的充电样本时长xi1和充电样本电量xi2以及列向量参数为的假设函数:根据所述假设函数构造代价函数：其中m为样本数据数量，y(i)表示第i个样本健康状态，i的最大...

【专利技术属性】
技术研发人员：王振飞，武雨末，
申请(专利权)人：深圳智链物联科技有限公司，
类型：发明
国别省市：广东,44