基于松弛电压估计移动设备的电池健康的方法技术

移动设备仅在其电池持续时才是有用的。遗憾的是，移动设备的电池的操作和寿命随时间和使用而退化。电池的健康状况(SoH)对电池退化进行量化，但是移动设备对其估计的支持主要由于有限的硬件和动态使用模式而非常差，导致诸如意外关闭设备的各种问题。为了弥补这种支持的缺乏，针对移动设备仅基于其电池电压开发了低成本用户级SoH估计服务，其已经在所有的商用移动设备上可用。该估计服务的设计受设备电池的松弛电压对其SoH进行指纹识别的经验观测的启发，并且通过对13块诸如Nexus 6P、Nexus 5X、Xperia Z5、Galaxy S3、iPhone 6 Plus等的各种设备所使用的13块电池的广泛测量来指导。

A method of estimating battery health of mobile devices based on relaxation voltage

【技术实现步骤摘要】
【国外来华专利技术】基于松弛电压估计移动设备的电池健康的方法政府条款本专利技术是在根据美国国家科学基金会授予的第CNS1446117号资助的政府支持下完成的。政府在本专利技术中享有一定权利。相关申请的交叉引用本申请要求于2017年4月17日提交的美国临时申请第62/486,144号的权益，上述申请的全部公开内容通过引用并入本文。
本公开内容涉及基于松弛电压估计移动设备的电池健康的方法。
技术介绍
电池，作为移动设备的心脏，近来已展现出严重的安全和财政风险(例如，最近的SamsungNote7危机)，这主要是由于不断地追求小型化、快速充电以及高能量/高功率密度电池以满足持续增长的p/服务需求，从而使得电池的全息监视和诊断至关重要。遗憾的是，我们甚至不能自信地回答一个简单的问题“我的手机电池能持续使用多长时间？”，这意指剩余的电池寿命(例如，相对于电池保修期)或者在电池耗尽之前的剩余设备操作时间(即，单次充电的操作时间)，因此妨碍了对缩短的设备操作时间的诊断并导致意外的设备关闭。这是因为答案是建立在对电池容量衰减的量化的基础上的，电池容量衰减的量化传统上通过电池的健康状况(SoH)捕获并且被定义为电池的完全充电容量与设计容量的比率。不幸的是，移动设备不配备有量化其电池SoH所需的功能。例如，Android仅将电池健康指定为良好或者用尽，没有任何量化信息。图1描绘了利用电池测试仪对四部Android手机的电池SoH的测量：所有电池都被标记为良好，尽管观测到它们的容量已经衰减了多达52％。诸如CoconutBattery和iBackupBot的iOS应用对iPhone和MacBook的电池SoH进行估计，但是它们的估计被认为是不可靠的且波动的。量化的电池SoH的缺乏阻碍了对设备的电池寿命与其保修期的比较，因为用户不知道缩短的设备操作时间是由于系统更新还是应用安装，还是是由于电池衰退。这还在估计设备的剩余电力时引入错误从而过早地或意外关闭设备，因为电池的充电状态(SoC)是基于它们的SoH来定义的。例如，移动设备甚至在显示10-30％剩余电力时已经被关闭。由于这个问题，Apple最近宣布了iPhone6S电池的免费更换方案，并得出结论：比正常速度快的SoH退化导致了这个问题。最后但同样重要的是，这种不准确的SoC容易导致电池过充电/深度放电，从而加速SoH退化以及因此增加SoC误差，从而在这两者之间形成正反馈回路。移动设备电池的健康信息的缺乏源于不存在估计它们的SoH的兼容方法。大多数现有的SoH估计方法需要电池参数——对电池参数的确定由于硬件限制(例如，阻抗和超声回波)而超出了移动设备的能力，或者需要由于设备的动态使用模式(例如，用以完全充电和放电的小电流)而并非总是保持的特定适用条件。此外，即使Coulomb计数——部署最广泛的通过电流积分的SoH估计方法——在移动设备上也并不被良好地支持，这是因为：(i)并非所有的移动设备的电源管理芯片(PMIC)都支持电流感测，这使得Coulomb计数不可行；以及(ii)PMIC提供的电流信息即使在可用时也是粗略的并且缺乏实时性的。关于移动设备的这样的不可靠的电流信息也被Ampere报告，Ampere是具有数百万次下载的电流感测应用。这部分提供了与本公开内容相关的背景信息，这些背景信息不一定是现有技术。
技术实现思路
这部分提供了对本公开内容的一般概述，而并非对其全部范围或其全部特征的全面公开。提出了一种用于估计向诸如手机或移动设备的装置供电的可再充电电池的健康状况(SofH)的方法。针对装置所使用的给定类型的电池提供指纹集，其中，每个指纹将电池的量化SofH链接至用于电池的松弛电压的给定预定模型，并且给定预定模型描述了在电池休眠时的固定时间段内的两个或更多个点处的电池的松弛电压。该方法包括：在给定电池休眠时的固定时间段内测量给定类型的给定电池的电压；根据电压测量来构建给定电池的当前模型；以及通过比较当前模型和指纹集来确定给定电池的SofH。优选地对电池充电直到电池被完全充电，并且在给定电池被完全充电之后测量给定电池两端的电压。在示例实施方式中，使用回归分析构建当前模型。例如，通过以下操作来构建当前模型：将电压测量拟合成指数函数；使用指数函数对电压测量进行滤波；以及使用移动平均对经滤波的电压测量进行平滑，从而得到给定电压的当前模型。指数函数还可以被定义为幂函数。也可以通过应用主分量分析来降低电压测量的维度。在示例实施方式中，使用回归树将当前模型和指纹集进行比较。在某些情况下，由于后台任务而难以获得不间断的电压测量。为了解决这种情况，识别电池休眠时的时间段，从所识别的时间段中提取电压测量，以及根据所提取的电压测量构建当前模型。可以基于所确定的电池Sofh提供不同的电池服务。例如，可以使用所确定的电池的SofH将电池的可用容量转换为剩余使用时间，该剩余使用时间又可以被显示给装置的用户。根据本文提供的描述，其它适用领域将变得明显。本
技术实现思路
中的描述和具体示例仅旨在用于说明的目的并不旨在限制本公开内容的范围。附图说明本文描述的附图仅用于说明所选实施方式的目的而并非所有可能的实现，而且并不旨在限制本公开内容的范围。图1是示出了不同移动设备的不足的SoH信息的图；图2是示出了电池SoH的图；图3A至图3F是描绘不足的采样速率如何放大Coulomb计数中的误差的图；图4A是示出在一个充电/休眠/放电循环期间的电压曲线的图；图4B是示出电池SofH如何在多个循环上退化的图；图4C是示出松弛电压如何在松弛时段期间下降的图；图4D是示出放电后的松弛电压还对电池SoH进行指纹识别的图。图5是描绘用于估计可再充电电池示出的健康状况(SofH)的示例方法的流程图。图6是描绘估计方法的示例实施方式的图；图7是示出SoH退化的线性拟合的图；图8是示出收集的松弛电压的图；图9是示出幂函数拟合优度的图；图10是示出松弛电压的不同维度高度相关的图；图11A至图11D是针对不同电池类型的回归模型的混淆矩阵；图12A至图12F是示出通过动态时间规整的退化过程之间的相似性的图；图13是示出电压降和SofH之间的线性度的图；图14A至14B是示出电池的起始电压水平是如何影响松弛时间的图；图15是示出用户通常在夜间给设备充电多长时间的图；图16是示出夜间充电之后的休眠电压的图；图17是示出在休眠期间温度稳定的图；图18A至图18C是示出充电之后的松弛电压对放电不敏感的图；图19A至图19D是示出微电流充电污染所收集的松弛电压以及如何从被污染的轨迹中提取子轨迹的图；图20A至图20F是示出针对所提出的估计方法的实验室实验结果的图；图21A至图21E是示出针对所提出的估计方法的现场测试结果的图；图22A至图22C是示出通过SofH估计所补偿的充电状态和本文档来自技高网...

【技术保护点】
1.一种用于估计向装置供电的可再充电电池的健康状况(SofH)的方法，包括：/n针对给定类型的电池提供指纹集，其中，每个指纹将所述电池的量化SofH链接至用于所述电池的松弛电压的给定预定模型，并且所述给定预定模型描述了在所述电池休眠时的固定时间段内的两个或更多个点处的所述电池的松弛电压；/n由所述装置中的电路在给定类型的给定电池休眠时的固定时间段内测量所述给定电池的电压，其中，所述给定电池被配置为向所述装置供电；/n由所述装置中的处理器根据电压测量来构建所述给定电池的当前模型；以及/n通过比较所述当前模型和所述指纹集来确定所述给定电池的SofH。/n

【技术特征摘要】
【国外来华专利技术】20170417 US 62/486,1441.一种用于估计向装置供电的可再充电电池的健康状况(SofH)的方法，包括：
针对给定类型的电池提供指纹集，其中，每个指纹将所述电池的量化SofH链接至用于所述电池的松弛电压的给定预定模型，并且所述给定预定模型描述了在所述电池休眠时的固定时间段内的两个或更多个点处的所述电池的松弛电压；
由所述装置中的电路在给定类型的给定电池休眠时的固定时间段内测量所述给定电池的电压，其中，所述给定电池被配置为向所述装置供电；
由所述装置中的处理器根据电压测量来构建所述给定电池的当前模型；以及
通过比较所述当前模型和所述指纹集来确定所述给定电池的SofH。


2.根据权利要求1所述的方法，还包括：对所述给定电池充电直到所述给定电池被完全充电并且在所述给定电池被完全充电之后测量所述给定电池两端的电压。


3.根据权利要求1所述的方法，还包括：使用回归分析构建所述当前模型。


4.根据权利要求1所述的方法，其中，构建所述当前模型还包括：
将所述电压测量拟合成指数函数；
使用所述指数函数对所述电压测量进行滤波；以及
利用移动平均对经滤波的电压测量进行平滑，从而得到所述给定电池的当前模型。


5.根据权利要求4所述的方法，其中，所述指数函数还被定义为如下的幂函数
v(t)＝a*tb+c
其中，t是自休眠开始的时间。


6.根据权利要求4所述的方法，还包括：通过应用主分量分析来降低所述电压测量的维度。


7.根据权利要求1所述的方法，还包括：使用回归树将所述当前模型和所述指纹集进行比较。


8.根据权利要求1所述的方法，还包括：识别所述电池休眠时的时间段；在所识别的时间段中提取电压测量；以及根据所提取的电压测量构建所述当前模型。


9.根据权利要求1所述的方法，还包括：使用所确定的所述给定电池的SofH调整所述给定电池的可用容量；将经调整的所述给定电池的容量转换为所述给定电池的剩余使用时间；以及将所述给定电池的所述剩余使用时间显示在所述装置的显示器上。


10.一种用于估计移动设备中的可再充电电池的...

【专利技术属性】
技术研发人员：康·G·申，何亮，
申请(专利权)人：密歇根大学董事会，
类型：发明
国别省市：美国;US