应用人工智能的新能源汽车里程预测系统技术方案

本发明专利技术涉及一种应用人工智能的新能源汽车里程预测系统，包括：内容判断器件，用于采用人工智能模型基于动力电池的各项配置数据、动力电池在过往各次残留当前剩余容量且中间未充电的状态分别对应的行驶数据智能判断动力电池从当前剩余容量到零容量且中间未充电的状态下预测完成的剩余里程；网络转换器件，用于将完成设定数目的各次训练后的BP神经网络作为人工智能模型输出。本发明专利技术的应用人工智能的新能源汽车里程预测系统运行智能、数据可靠。由于能够为每一辆使用动力电池的新能源汽车构建针对性设计的人工智能模型以进行本次续航里程的有效预测，从而避免新能源汽车用户陷入续航里程数据不准的尴尬状态。陷入续航里程数据不准的尴尬状态。陷入续航里程数据不准的尴尬状态。

【技术实现步骤摘要】
应用人工智能的新能源汽车里程预测系统


[0001]本专利技术涉及新能源汽车领域，尤其涉及一种应用人工智能的新能源汽车里程预测系统。

技术介绍

[0002]新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料，但采用新型车载动力装置)，综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进、具有新技术、新结构的汽车。新能源汽车包括有：混合动力汽车(HEV)、纯电动汽车(BEV)、燃料电池汽车(FCEV)、氢发动机汽车以及燃气汽车、醇醚汽车等。其中，仅仅使用动力电池作为汽车动力来源的新能源汽车是最重要的汽车分支。
[0003]然而，由于动力电池的性能在新能源汽车使用过程中的性能的非线性化特点以及新能源汽车内部结构的复杂性，导致简单将过往剩余电量对应的行驶里程作为当前相同剩余电量对应的行驶里程进行参考，是不切实际的，如果按照这个数据进行新能源汽车的驾驶和使用，或者引起新能源汽车未完成参考的行驶里程而抛锚，或者引起用户的不必要的多次额外充电操作，因此需要一种智能化判断模式，能够基于新能源汽车的各项配置数据以及新能源汽车的各次历史行驶数据对新能源汽车本次续航里程进行可靠、准确的预测，从而避免新能源汽车用户陷入缺乏有效参考数据的尴尬状态。

技术实现思路

[0004]为了克服现有技术中的技术问题，本专利技术提出了一种应用人工智能的新能源汽车里程预测系统，能够为每一辆使用动力电池的新能源汽车构建针对性设计的人工智能模型，以基于新能源汽车的各项配置数据以及新能源汽车的各次历史行驶数据对新能源汽车本次续航里程进行可靠、准确的预测，从而保证新能源汽车每一次预测的续航里程数据的精度。
[0005]根据本专利技术的一方面，提供了一种应用人工智能的新能源汽车里程预测系统，所述系统包括：
[0006]配置捕获部件，与新能源汽车的动力电池连接，用于获取所述动力电池的各项配置数据，所述动力电池的各项配置数据包括所述动力电池的最大电池容量、电池电压、功率密度、能量密度以及循环寿命；
[0007]容量解析部件，与新能源汽车的动力电池连接，用于获取所述新能源汽车在所述动力电池的当前剩余容量以作为参考容量数据；
[0008]里程提取部件，设置在新能源汽车的中控台内且与所述容量解析部件连接，用于获取所述动力电池在过往各次残留所述参考容量数据的容量且中间未充电的状态下分别完成的各份剩余里程以及完成对应剩余里程的行驶过程中分别对应的各份平均车速；
[0009]内容判断器件，分别与所述配置捕获部件以及所述里程提取部件连接，用于采用人工智能模型基于所述动力电池的各项配置数据、所述动力电池在过往各次残留所述参考
容量数据的容量且中间未充电的状态下分别完成的各份剩余里程以及完成对应剩余里程的行驶过程中分别对应的各份平均车速智能判断所述动力电池从当前剩余容量到零容量且中间未充电的状态下预测完成的剩余里程并作为预测续航里程输出；
[0010]网络转换器件，与所述内容判断器件连接，用于将完成设定数目的各次训练后的BP神经网络作为所述人工智能模型发送给所述内容判断器件使用；
[0011]其中，选择的所述过往各次对应的次数的取值与所述动力电池的最大电池容量正向关联；
[0012]其中，将完成设定数目的各次训练后的BP神经网络作为所述人工智能模型发送给所述内容判断器件使用包括：所述动力电池的功率密度越高，所述设定数目的取值越大。
[0013]由此可见，本专利技术至少具有以下三处重要专利技术构思：
[0014]专利技术构思A：为新能源汽车获取用于预测当前续航里程的各项基础数据，所述各项基础数据包括动力电池的各项配置数据、所述动力电池在过往各次残留所述参考容量数据的容量且中间未充电的状态下分别完成的各份剩余里程以及完成对应剩余里程的行驶过程中分别对应的各份平均车速，其中，所述动力电池的各项配置数据包括所述动力电池的最大电池容量、电池电压、功率密度、能量密度以及循环寿命；
[0015]专利技术构思B：为新能源汽车定制对应的人工智能模型，并采用所述定制的人工智能模型基于各项基础数据智能判断动力电池从当前剩余容量到零容量且中间未充电的状态下预测完成的剩余里程，从而完成当前续航里程的智能化预测；
[0016]专利技术构思C：为新能源汽车设计的对应的人工智能模型的定制之处在于：所述人工智能模型为完成设定数目的各次训练后的BP神经网络且动力电池的功率密度越高，训练的次数越多，以及选择的过往各次行驶参考数据的次数与动力电池的最大电池容量正向关联，从而保证了所述人工智能模型预测结果的有效性和可靠性。
[0017]本专利技术的应用人工智能的新能源汽车里程预测系统运行智能、数据可靠。由于能够为每一辆使用动力电池的新能源汽车构建针对性设计的人工智能模型以进行本次续航里程的有效预测，从而避免新能源汽车用户陷入续航里程数据不准的尴尬状态。
附图说明
[0018]以下将结合附图对本专利技术的实施例进行描述，其中：
[0019]图1为根据本专利技术首要实施例示出的应用人工智能的新能源汽车里程预测系统的内部结构示意图。
[0020]图2为根据本专利技术次要实施例示出的应用人工智能的新能源汽车里程预测系统的内部结构示意图。
[0021]图3为根据本专利技术再次要实施例示出的应用人工智能的新能源汽车里程预测系统的内部结构示意图。
具体实施方式
[0022]下面将参照附图对本专利技术的应用人工智能的新能源汽车里程预测系统的实施例进行详细说明。
[0023]图1为根据本专利技术首要实施例示出的应用人工智能的新能源汽车里程预测系统的
内部结构示意图，所述系统包括：
[0024]配置捕获部件，与新能源汽车的动力电池连接，用于获取所述动力电池的各项配置数据，所述动力电池的各项配置数据包括所述动力电池的最大电池容量、电池电压、功率密度、能量密度以及循环寿命；
[0025]容量解析部件，与新能源汽车的动力电池连接，用于获取所述新能源汽车在所述动力电池的当前剩余容量以作为参考容量数据；
[0026]里程提取部件，设置在新能源汽车的中控台内且与所述容量解析部件连接，用于获取所述动力电池在过往各次残留所述参考容量数据的容量且中间未充电的状态下分别完成的各份剩余里程以及完成对应剩余里程的行驶过程中分别对应的各份平均车速；
[0027]内容判断器件，分别与所述配置捕获部件以及所述里程提取部件连接，用于采用人工智能模型基于所述动力电池的各项配置数据、所述动力电池在过往各次残留所述参考容量数据的容量且中间未充电的状态下分别完成的各份剩余里程以及完成对应剩余里程的行驶过程中分别对应的各份平均车速智能判断所述动力电池从当前剩余容量到零容量且中间未充电的状态下预测完成的剩余里程并作为预测续航里程输出；
[0028]网络转换器件，与所述内容判断器件连接，用于将完成设定数目的各次训练后的BP神经网络作为所述人工智能模型发送给所述内容判断器件使用；
[0029]其中，选择的所述过往本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用人工智能的新能源汽车里程预测系统，其特征在于，所述系统包括：配置捕获部件，与新能源汽车的动力电池连接，用于获取所述动力电池的各项配置数据，所述动力电池的各项配置数据包括所述动力电池的最大电池容量、电池电压、功率密度、能量密度以及循环寿命；容量解析部件，与新能源汽车的动力电池连接，用于获取所述新能源汽车在所述动力电池的当前剩余容量以作为参考容量数据；里程提取部件，设置在新能源汽车的中控台内且与所述容量解析部件连接，用于获取所述动力电池在过往各次残留所述参考容量数据的容量且中间未充电的状态下分别完成的各份剩余里程以及完成对应剩余里程的行驶过程中分别对应的各份平均车速；内容判断器件，分别与所述配置捕获部件以及所述里程提取部件连接，用于采用人工智能模型基于所述动力电池的各项配置数据、所述动力电池在过往各次残留所述参考容量数据的容量且中间未充电的状态下分别完成的各份剩余里程以及完成对应剩余里程的行驶过程中分别对应的各份平均车速智能判断所述动力电池从当前剩余容量到零容量且中间未充电的状态下预测完成的剩余里程并作为预测续航里程输出；网络转换器件，与所述内容判断器件连接，用于将完成设定数目的各次训练后的BP神经网络作为所述人工智能模型发送给所述内容判断器件使用；其中，选择的所述过往各次对应的次数的取值与所述动力电池的最大电池容量正向关联；其中，将完成设定数目的各次训练后的BP神经网络作为所述人工智能模型发送给所述内容判断器件使用包括：所述动力电池的功率密度越高，所述设定数目的取值越大。2.如权利要求1所述的应用人工智能的新能源汽车里程预测系统，其特征在于，所述系统还包括：中控显示器件，设置在新能源汽车的中控台内且与所述内容判断器件连接，用于接收并显示所述预测续航里程。3.如权利要求1所述的应用人工智能的新能源汽车里程预测系统，其特征在于，所述系统还包括：模型存储器件，与所述网络转换器件连接，用于存储所述网络转换器件获取的所述人工智能模型的各项模型参数；其中，存储所述网络转换器件获取的所述人工智能模型的各项模型参数包括：采用不同的物理存储空间以分别存储所述人工智能模型的各项模型参数。4.如权利要求1
‑
3任一所述的应用人工智能的新能源汽车里程预测系统，其特征在于：采用人工智能模型基于所述动力电池的各项配置数据、所述动力电池在过往各次残留所述参考容量数据的容量且中间未充电的状态下分别完成的各份剩余里程以及完成对应剩余里程的行驶过程中分别对应的各份平均车速智能判断所述动力电池从当前剩余容量到零容量且中间未充电的状态下预测完成的剩余里程并作为预测续航里程输出包括：将所述动力电池的各项配置数据、所述动力电池在过往各次残留所述参考容量数据的容量且中间未充电的状态下分别完成的各份剩余里程以及完成对应剩余里程的行驶过程中分别对应的各份平均车速作为所述人工智能模型的各项输入信息。5.如权利要求4所述的应用人工智能的新能源汽车里程预测系统，其特征在于：
采用人工智能模型基于所述动力电池的各项配置数据、所述动力电池在过往各次残留所述参考容量数据的容量...

【专利技术属性】
技术研发人员：陈阔，崔臻，蒋剑，陶广华，杜克虎，
申请(专利权)人：宁波禾旭汽车科技有限公司，
类型：发明
国别省市：