一种电池内外总压测试的压差预测方法及装置制造方法及图纸

本发明专利技术公开了一种电池内外总压测试的压差预测方法及装置，测试电池内总压、外总压、正极内外阻抗、负极内外阻抗形成测试数据集；采用多种回归算法的子模型，预测电池压差预测值；将各子模型得到的压差预测值，与测试的压差真实值进行对比，得到预测值与真实值误差最小的子模型，作为标签；将各压差预测值与标签带入基于支持向量回归的二次预测中，得出各子模型对应的概率向量；最后根据各子模型预测值和对应概率向量，计算加权平均值，作为最终预测结果。本发明专利技术通过测试电池内、外总压及正极内外阻抗、负极内外阻抗的测试数据集，通过集成学习方法，以几种传统的机器学习回归算法作为子模型，提出了基于支持向量回归的二次预测，提升预测准确性。提升预测准确性。提升预测准确性。

【技术实现步骤摘要】
一种电池内外总压测试的压差预测方法及装置


[0001]本专利技术涉及电池测试领域，特别涉及一种电池内外总压测试的压差预测方法及装置。

技术介绍

[0002]电池包内部电芯串并联后会输出总正极和总负极（称为内总压），内总压通过电池内部控制系统或切换回路输出到电池外部的高压接插件处（称为外总压），进行电压采集时，一般采用内部夹子和外部的配套接插件连接采集电压，内总压与外总压之间一般相差在1～2V左右，但具体相差值需要人工在不同测试条件下，做重复性验证。
[0003]在电池产线的电池内总压和外总压测试中，现阶段都会分别做内总压和外总压的电压采集，重复采集多次以后，将稳定的电压值相减，算出内外压差的允许范围，不同的电池包或不同的工艺流程对应的采集测量又需要重复进行确认，特别的不方便。在做预测方法时，单一的回归模型预测精度有限。

技术实现思路

[0004]本专利技术目的是：提供一种电池内外总压测试的压差预测方法及装置，测试回路的电压及电阻采集，并结合大量测试数据，能够找到内外总压压差的关系并进行预测。
[0005]本专利技术的技术方案是：一种电池内外总压测试的压差预测方法，包括步骤：S1、测试电池内总压、外总压、正极内外阻抗、负极内外阻抗形成测试数据集D；S2、采用N种回归算法的子模型，根据测试数据集D分别预测新的电池数据，得到压差预测值V1、V2
……
VN；S3、将各子模型得到的压差预测值V1、V2
……
VN，与测试的压差真实值VT进行对比，得到预测值与真实值误差最小的子模型，作为标签；S4、将各子模型得到的压差预测值V1、V2
……
VN与标签带入基于支持向量回归的二次预测中，得出各子模型对应的N个概率P1、P2
……
PN；S5、最后根据N各子模型预测值V1、V2
……
VN和对应概率向量P1、P2
……
PN，计算加权平均值，作为最终预测结果VF：VF=（V1* P1+V2* P2
……
+VN* PN）/（P1+ P2
……
+ PN）。
[0006]优选的，所述N种回归算法的子模型，至少包括随机森林回归子模型，支持向量回归子模型和贝叶斯岭回归子模型。
[0007]优选的，所述测试数据集D还包括压差与正极和负极之间的阻抗关系。
[0008]优选的，通过数字万用表及切换模块，采集电池的内总压、外总压数据，同时通过数字万用表采集电池内回路、外回路的阻抗数据；所有数据通过计算机通讯读取，并存储在数据库中。
[0009]一种电池内外总压测试的压差预测装置，包括数字万用表和计算机，所述数字万
用表采集电池的内总压、外总压、正极内外阻抗、负极内外阻抗数据，计算机通过采集软件读取数字万用表的采集数据，并存储在数据库中。
[0010]优选的，所述数字万用表测试多个电池内总压、外总压、正极内外阻抗、负极内外阻抗形成测试数据集D；计算机采用N种回归算法的子模型，根据测试数据集D分别预测新的电池数据，得到压差预测值V1、V2
……
VN；将各子模型得到的压差预测值V1、V2
……
VN，与测试的压差真实值VT进行对比，得到预测值与真实值误差最小的子模型，作为标签；将各子模型得到的压差预测值V1、V2
……
VN与标签带入基于支持向量回归的二次预测中，得出各子模型对应的N个概率P1、P2
……
PN；最后根据N各子模型预测值V1、V2
……
VN和对应概率向量P1、P2
……
PN，计算加权平均值，作为最终预测结果VF：VF=（V1* P1+V2* P2
……
+VN* PN）/（P1+ P2
……
+ PN）。
[0011]优选的，所述N种回归算法的子模型，至少包括随机森林回归子模型，支持向量回归子模型和贝叶斯岭回归子模型。
[0012]优选的，所述测试数据集D还包括电池正极内外阻抗、负极内外阻抗数据。
[0013]优选的，所述数据库采用计算机硬盘存储，或服务器存储，或云端存储。
[0014]本专利技术的优点是：本专利技术通过数字万用表数据测试电池内、外总压及正极内外阻抗、负极内外阻抗的测试数据集，通过集成学习方法，能够预测出新电池对应的内外总压的压差范围，以几种传统的机器学习回归算法作为子模型，提出了基于支持向量回归的二次预测，提升预测准确性。
附图说明
[0015]下面结合附图及实施例对本专利技术作进一步描述：图1为本专利技术电池内外总压测试的压差预测装置的原理图；图2为本专利技术电池内外总压测试的压差预测流程图。
具体实施方式
[0016]如图1所示，本专利技术的一种电池内外总压测试的压差预测装置，包括数字万用表和计算机，数字万用表及切换模块采集电池的内总压、外总压、正极内外阻抗、负极内外阻抗数据。计算机通过采集软件读取数字万用表的采集数据，并存储在数据库中。数据输入对应测试的内、外总压及正极内外阻抗、负极内外阻抗的测试数据集，通过集成学习方法，能够预测出新电池对应的内外总压的压差范围。
[0017]所述数字万用表及切换模块测试电池内总压、外总压数据和电池正极内外阻抗、负极内外阻抗数据，输入到计算机存储在数据库形成测试数据集D，测试数据集D还包括压差与正极和负极之间的阻抗关系；所述数据库采用计算机硬盘存储，或服务器存储，或云端存储。
[0018]计算机集成学习采用N种回归算法的子模型，根据测试数据集D分别预测新的电池
数据，得到压差预测值V1、V2
……
VN；所述N种回归算法的子模型，至少包括随机森林回归子模型，支持向量回归子模型和贝叶斯岭回归子模型；将各子模型得到的压差预测值V1、V2
……
VN，与测试的压差真实值VT进行对比，得到预测值与真实值误差最小的子模型，作为标签；将各子模型得到的压差预测值V1、V2
……
VN与标签带入基于支持向量回归的二次预测中，得出各子模型对应的N个概率P1、P2
……
PN；最后根据N各子模型预测值V1、V2
……
VN和对应概率向量P1、P2
……
PN，计算加权平均值，作为最终预测结果VF：VF=（V1* P1+V2* P2
……
+VN* PN）/（P1+ P2
……
+ PN）。
[0019]具体实施时，如图2所示，本专利技术一种实施例的压差预测方法，包括步骤：S1、通过数字万用表及切换模块，采集电池的内总压、外总压数据，同时通过数字万用表采集电池正极内外阻抗、负极内外阻抗数据；输入到计算机存储在数据库形成测试数据集D，测试数据集D还包括压差与正极和负极之间的阻抗关系；所有数据通过计算机通讯读取。
[0020]S2、综合各子模型优势，训练模型时首先训练各个子模型。采用三种传统的机器学习回归算法作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池内外总压测试的压差预测方法，其特征在于，包括步骤：S1、测试电池内总压、外总压、正极内外阻抗、负极内外阻抗形成测试数据集D；S2、采用N种回归算法的子模型，根据测试数据集D分别预测新的电池数据，得到压差预测值V1、V2
……
VN；S3、将各子模型得到的压差预测值V1、V2
……
VN，与测试的压差真实值VT进行对比，得到预测值与真实值误差最小的子模型，作为标签；S4、将各子模型得到的压差预测值V1、V2
……
VN与标签带入基于支持向量回归的二次预测中，得出各子模型对应的N个概率P1、P2
……
PN；S5、最后根据N各子模型预测值V1、V2
……
VN和对应概率向量P1、P2
……
PN，计算加权平均值，作为最终预测结果VF：VF=（V1* P1+V2* P2
……
+VN* PN）/（P1+ P2
……
+ PN）。2.根据权利要求1所述的电池内外总压测试的压差预测方法，其特征在于，所述N种回归算法的子模型，至少包括随机森林回归子模型，支持向量回归子模型和贝叶斯岭回归子模型。3.根据权利要求1所述的电池内外总压测试的压差预测方法，其特征在于，所述测试数据集D还包括压差与正极和负极之间的阻抗关系。4.根据权利要求3所述的电池内外总压测试的压差预测方法，其特征在于，通过数字万用表及测量切换模块，采集电池的内总压、外总压数据，同时通过数字万用表及测量切换模块采集电池正极内外阻抗、负极内外阻抗数据；所有数据通过计算机通讯读取，并存储在数据库中。5.一种电池内外总压测试的压差预测装置，其特征在于，包括数字...

【专利技术属性】
技术研发人员：徐磊，舒伟，董汉，陈超，
申请(专利权)人：苏州清研精准汽车科技有限公司，
类型：发明
国别省市：