一种基于边缘计算与联邦学习相结合的动力电池监测系统技术方案

本发明专利技术公开了一种基于边缘计算与联邦学习相结合的动力电池监测系统，涉及动力电池监测技术领域，设置图像数据采集模块在车辆运行时实时采集人体图像数据；设置电池数据采集模块实时采集动力电池的基础数据；设置数据接收模块接收人体图像数据以及动力电池基础数据；设置数据处理模块检测驾驶人员是否具有高危驾驶行为；进一步根据样本动力电池的基础数据，在车辆本地使用LSTM神经网络模型拟合动力电池的SOH衰减趋势图；同时引入联邦学习在具有同样数据结构的多个独立参与方的情况下，协作地训练一个机器学习模型将不同参与方训练的模型进行安全聚合操作；降低了数据传输、开发和运营成本。发和运营成本。发和运营成本。

【技术实现步骤摘要】
一种基于边缘计算与联邦学习相结合的动力电池监测系统


[0001]本专利技术属于动力电池监测领域，涉及联邦学习技术，具体是一种基于边缘计算与联邦学习相结合的动力电池监测系统。

技术介绍

[0002]目前车载智能终端多为T
‑
BOX形式，通过车载T
‑
BOX采集车辆上面的电池相关数据，通过通信协议上传到云端，在云端进行相关数据处理、计算。具体情况T
‑
BOX除了采集电池数据外同时也采集车辆上其它维度的数据，比如司机照片、视频、经纬度等等数据。这些大量的数据经过高频率的传输到平台，然后通过集中式的云计算中心来集中处理、加工、运算，并展现在平台的相关模块中，让司机和企业可以及时关注到自己的车辆和电池情况；然而车载T
‑
BOX往往存在以下弊端：
[0003]1、T
‑
BOX必须安装在车上,传统T
‑
BOX终端无法快速兼容市场上的各种车型，每种车型都有自己的不同CAN协议，而且受到企业保护；从而无法形成以电池数据为核心的第三方平台产品
...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算与联邦学习相结合的动力电池监测系统，其特征在于，包括图像数据采集模块、电池数据采集模块、数据接收模块以及数据处理模块；其中，各个模块之间通过电气方式连接；所述图像数据采集模块用于在车辆行驶过程中，采集驾驶人员人体图像数据；所述电池数据采集模块用于实时获取动力电池的基础数据；所述图像数据采集模块和电池数据采集模块将采集的人体图像数据和动力电池基础数据通过电气方式发送至数据接收模用以保存；所述数据处理模块通过电气方式读取数据接收模块中保存的数据；所述数据处理模块包括高危行为识别单元以及电池状态监测单元；所述高危行为识别单元用于根据人体图像数据分析驾驶人员是否存在高危行为；所述电池状态监测单元用于在车辆本地使用LSTM神经网络模型拟合动力电池的SOH衰减趋势图；同时在具有同样数据结构的多个独立参与方的情况下，协作地训练一个机器学习模型，将不同参与方训练的模型进行安全聚合操作；且在安全聚合操作过程中，使用加密技术，对梯度或超参数信息对每个参与方的信息进行掩饰，保证每个参与方信息的安全性。2.根据权利要求1所述的一种基于边缘计算与联邦学习相结合的动力电池监测系统，其特征在于，所述基础数据包括动力电池电流、电压、温度以及故障告警；所述图像数据采集模块包括车载摄像头，所述车载摄像头与车身控制系统以电气方式连接；所述车载摄像头实时从车身控制系统获取车辆行驶速度；若车辆行驶速度大于0，车载摄像头启动，并实时拍摄车辆驾驶人员的人体图像数据。3.根据权利要求1所述的一种基于边缘计算与联邦学习相结合的动力电池监测系统，其特征在于，所述电池数据采集模块包括车载BMS电池系统；所述车载BMS电池系统实时收集动力电池的基础数据。4.根据权利要求1所述的一种基于边缘计算与联邦学习相结合的动力电池监测系统，其特征在于，所述数据接收模块包括车载智能终端的小型存储设备；所述车载智能终端通过电气方式与BMS电池系统以及车载摄像头连接，并实时接收人体图像数据以及电池基础数据；所述数据接收模块将接收的数据保存至小型存储设备。5.根据权利要求1所述的一种基于边缘计算与联邦学习相结合的动力电池监测系统，其特征在于，所述高危行为识别单元预先在数据处理器中安装caffe或yolo模型架构；所述高危行为识别单元实时从小型存储设备中读取人体图像数据，并...

【专利技术属性】
技术研发人员：马森，徐瑜，段志轩，龚文俊，石焰飞，
申请(专利权)人：合肥原力众合能源科技有限公司，
类型：发明
国别省市：