【技术实现步骤摘要】
本主题公开涉及测试电动车辆中使用的电池组，并且特别地，涉及通过划分用于测试的数据和融合测试结果来测试电池组的系统和方法。
技术介绍
1、在车辆的电池组被制造之后，它被测试质量。健康的电池单元将会以一定的放电率自然放电。电池单元的放电率和电压的变化取决于时间、温度和其他因素。可以在几天或几周内测试电池组，以确定电池单元的放电率是以正常或预期的速率发生，还是以异常或过度的速率发生。然而，由于电池单元的各种参数的自然变化，依靠单一测试可能不足以检测有故障的电池单元。另一方面，应用多重测试会导致相互矛盾的结果。因此，期望提供一种用于解决测试结果差异的系统和方法，以便确定有故障的电池并将其从车辆的后续生产阶段中移除。
技术实现思路
1、在一个示例性实施例中，公开了一种预测电池健康状况的方法。获得指示电池参数的电池数据。将电池数据划分成多个子集。确定针对所述多个子集中的每一个的分数，其中每个分数与电池的健康状况相关。从每个子集的分数中生成总分数。根据总分数预测电池的健康状况。
2、除了本文...
【技术保护点】
1.一种预测电池健康状况的方法，包括：
2.根据权利要求1所述的方法，其中，确定针对子集的分数还包括将所述子集输入到生成分数的机器学习模型中。
3.根据权利要求2所述的方法，其中，确定针对所述子集的分数还包括将所述子集输入多个机器学习模型中以生成多个分数，并且生成所述总分数还包括生成分数的加权和，所述加权和包括将分数乘以与所述机器学习模型相关联的概率系数。
4.根据权利要求3所述的方法，还包括基于与机器学习模型相关联的评估度量来调整所述机器学习的概率系数。
5.根据权利要求1所述的方法，还包括确定所述多个子集是否是以下至...
【技术特征摘要】
1.一种预测电池健康状况的方法，包括：
2.根据权利要求1所述的方法，其中，确定针对子集的分数还包括将所述子集输入到生成分数的机器学习模型中。
3.根据权利要求2所述的方法，其中，确定针对所述子集的分数还包括将所述子集输入多个机器学习模型中以生成多个分数，并且生成所述总分数还包括生成分数的加权和，所述加权和包括将分数乘以与所述机器学习模型相关联的概率系数。
4.根据权利要求3所述的方法，还包括基于与机器学习模型相关联的评估度量来调整所述机器学习的概率系数。
5.根据权利要求1所述的方法，还包括确定所述多个子集是否是以下至少一者：（i）不重叠；和（ii）使用相同的划分方法获得。
6...
【专利技术属性】
技术研发人员：邹宇晟，I·哈斯卡拉，段诚武，B·海格德，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。