【技术实现步骤摘要】
本专利技术涉及用于运行技术设备的设备电池的使用、尤其是对于在出现技术设备的运行干扰之后、像比如在事故或者其它与技术设备的正常运行有偏差的情况之后的电池状态的评估。
技术介绍
1、在技术设备、像比如电动车正常运行时基本上能够较好地预测设备电池的性能，而在出现不可预见的事件、比如外部的运行干扰、像比如事故或者技术设备的内部的运行干扰(所述内部的运行干扰比如可能在维修点停留的期间在确定诊断错误时存在)的情况下则不能容易地预测由于运行干扰而对设备电池造成的损害。因此，比如在存在对不是直接与电池相关的设备故障进行诊断的诊断错误时可能难以评估，设备电池可能在多大的程度上受到影响并且由此存在运行风险。
2、因此，值得追求的是，在出现运行干扰时实施对于电池状态的量化评估并且必要时提出用于继续运行设备电池的具体的处理建议。
技术实现思路
1、该任务通过根据权利要求1所述的用于在出现运行干扰时对用于运行技术设备的设备电池的电池状态进行评估的方法并且通过根据并列权利要求所述的相应的装置来解决。
2、另外的设计方案在从属权利要求中得到了说明。
3、按照第一方面，提供一种用于在技术设备中出现运行干扰之后对所述技术设备的设备电池的故障进行预测性识别的方法，该方法具有以下步骤：
4、-提供时间上的运行参量变化曲线，所述时间上的运行参量变化曲线表征技术设备及设备电池的运行；
5、-通过对于时间上的运行参量变化曲线的评估来确定运行干扰；
6、-
7、-根据输出矢量将处理指示通知给技术设备的使用者。
8、上述方法建立在基于数据的干扰事件模型的基础上，所述基于数据的干扰事件模型被构造为分类模型。如此提供或者训练干扰事件模型，从而能够将表征运行干扰的电池状态参量及运行干扰特征分配给故障的概率或者设备电池的特定的故障类型的概率。对于多种可求取的故障类型来说，比如能够通过柔性最大值传输函数(softmax-funktion)连同随后的阈值比较来求取故障并且而后能够将其用于推导出处理建议、像比如电池没有由于运行干扰而受到损害的提示或者应该将维修点停留计划在内以便对设备电池进行更深入的检查的提示。
9、对于干扰事件模型的评估基于干扰事件特征和电池状态参量来进行，所述干扰事件特征和电池状态参量表征在运行干扰的期间和/或紧接在出现运行干扰之后的情况。干扰事件特征比如能够代表着能够描述干扰特征的参量。在存在外部的运行干扰、像比如作为用于设备的示例的车辆的事故时的干扰事件特征能够包括在碰撞时的经平滑处理的纵向加速度的最大值、在碰撞时的经平滑处理的横向加速度的最大值、来自安全气囊控制设备的诊断信息、车辆的碰撞部位或测量到的最大脉冲。此外，对于内部的运行干扰来说，干扰事件特征能够包括诊断信息。
10、电池状态参量能够包括设备电池的、在干扰事件的期间及之后的一个或多个特定时刻的运行参量、像比如在电池单元层面、模块层面或整个电池层面上的温度、电压、电流、充电状态、平衡状态和/或其各自的变化曲线和/或由其聚合的参量。此外，电池状态参量能够通过对于在出现运行干扰之后的时间段的期间的运行参量变化曲线、比如电池元件层面、模块层面或包层面上的电池电压、电池电流、电池温度和充电状态的评估尤其作为借助于电化学的电池模型来求取的内部的电池状态、像比如sei层厚度、可循环的锂的由于阳极/阴极副反应引起的变化、电解质溶剂的快速吸收、电解质溶剂的缓慢吸收、锂沉积、活性阳极材料的损耗和活性阴极材料的损耗等等来求取。
11、此外，电池状态参量能够包括表明电池的运行的应力因数的运行特征。运行特征比如能够包括与评估时间段相关的特征和/或累积的特征和/或在整个迄今为止的使用寿命期间所求取的统计参量。尤其运行特征比如能够包括：直方图特征、比如关于充电状态的温度、关于温度的充电电流和关于温度的放电电流、尤其是与关于充电状态的电池温度分布、关于温度的充电电流分布和/或关于温度的放电电流分布有关的多维的直方图数据、以安培小时计的电流通过量(stromdurchsatz)、累积的总电荷(ah)、充电过程中的平均容量增加(尤其对以下充电过程来说，在所述充电过程中电荷增加超过全部电池容量的阈值份额[比如20％δsoc])、充电容量以及在所测量的充电过程的期间的差分容量的极值(比如最大值)连同充电状态的足够大的上升(dq/du的经平滑处理的变化曲线：电荷变化除以电池电压的变化)或者累积的行驶里程。
12、此外，电池状态参量能够包括电池元件和/或由多个电池元件构成的电池模块和/或整个电池的异常状态。异常状态能够通过本身已知的基于规则的或基于数据的异常识别模块来确定并且表明，电池元件和/或电池模块和/或整个电池的运行行为是符合传统的运行行为还是与其有偏差。
13、此外，作为电池状态参量，也能够说明老化状态，所述老化状态表明设备电池的衰退的程度。
14、如果设备电池还处于放电模式或充电模式中，则电压剩余量能够作为来自部分的电池模型或电化学的电池模型的所建模的电压与所测量的电压值的差来求取。电压剩余量尤其能够紧接在出现运行干扰之后作为电池状态参量来求取。
15、对于电池状态参量的求取应该优选在出现运行干扰之后的预先给定的时间段中求取，所述时间段尤其不应该大于在出现运行干扰的时刻之后的三天。干扰事件特征和设备电池的电池状态参量现在能够借助于能够基于数据地构成的干扰事件模型来评估。
16、干扰事件模型能够被构造为分类模型、优选被构造为多标签逻辑回归或者被构造为神经元网络。
17、必要时能够事先借助于主分量分析从干扰事件特征和电池状态参量中算出冗余的信息，以用于降低从干扰事件特征和运行状态参量中产生的输入参量矢量的多维性。优选干扰事件模型如此被构造为分类模型，从而能够对各种故障种类、比如热失控的故障种类和突然的容量失去的故障种类进行分类。
18、根据通过干扰事件模型进行评估的结果能够通知处理建议，比如能够通过运行干扰模型通知出现特定的故障种类的所求取的概率，设备电池的继续是否可行，或者是否应该建议维修点停留或者保养。尤其在相应的范围内(在所述范围内干扰事件模型不能作出可靠的决定，比如设备电池的状态如何，像比如在分类结果处于20与80％之间的情况中)，能够建议在维修点中进行人工复查。
19、所述方法具有的优点是，在设备电池上的损坏在之后、比如之后的诊断或者保养中能够被确定之前，紧接着在出现干扰之后就已经能够确定或者预测这些损坏。
20、对于运行干扰模型的训练用标签来进行，所述标签在出现外部的或内部的运行干扰之后在预先给定的、比如处于三个与十本文档来自技高网...
【技术保护点】
1.用计算机实现的方法，用于在技术设备(4)中出现运行干扰之后对所述技术设备(4)的设备电池(41)的故障进行预测性识别，所述方法具有以下步骤：
2.根据权利要求1所述的方法，其中所述基于数据的干扰事件模型被构造或者被训练为分类模型，以用于根据至少一个干扰事件特征和至少一个电池状态参量来提供输出矢量，所述输出矢量的元件值表明配属于相应的元件的故障的之后出现的概率。
3.根据权利要求2所述的方法，其中根据所述输出矢量的相应的元件的元件值的阈值比较来分配并且通知所述处理指示。
4.根据权利要求1至3中的任一项所述的方法，其中在出现事故时或通过对于诊断数据的评估来确定运行干扰。
5.根据前述权利要求中的任一项所述的方法，其中所述处理指示包括所述设备电池(41)没有由于运行干扰而受到损害的提示或者应该将维修点处理计划在内的提示，以用于对所述设备电池(41)进行检查。
6.根据前述权利要求中的任一项所述的方法，其中根据输出矢量实时地或接近于实时地将所述处理指示通知(S8)给技术设备(4)的使用者，其中使用数据流，以用于紧接在可能的
7.根据前述权利要求中的任一项所述的方法，其中发给使用者的、建议维修点处理的处理指示根据输出矢量和维修点负荷量来通知维修点停留的时间。
8.根据前述权利要求中的任一项所述的方法，其中车辆的运行干扰通过在碰撞时的纵向加速度的最大值、在碰撞时的横向加速度的最大值的阈值比较、通过来自安全气囊控制设备的诊断信息、车辆上的碰撞部位和/或最大测量的脉冲来确定。
9.根据前述权利要求中的任一项所述的方法，其中运行状态参量包括设备电池(41)的、在干扰事件的期间及之后的一个或多个特定时刻的运行参量、像比如在电池元件层面、模块层面或整个电池层面上的温度、电压、电流、充电状态、平衡状态和/或其相应的变化曲线和/或其聚合的参量，并且/或者包括设备电池的老化状态和/或内部的电池状态、像比如SEI层厚度、可循环的锂的由于阳极/阴极-副反应引起的变化、电解质溶剂的快速吸收、电解质溶剂的缓慢吸收、锂沉积、活性阳极材料的损耗和/或活性阴极材料的损耗和/或表明电池的运行的应力因数的运行特征、尤其包括直方图特征、比如关于充电状态的温度、关于温度的充电电流和关于温度的放电电流、尤其与关于充电状态的电池温度分布、关于温度的充电电流分布和/或关于温度的放电电流分布有关的多维的直方图数据、以安培小时计的电流通过量、累积的总电荷(Ah)、在充电过程中的平均的容量增加(尤其对以下充电过程来说，在所述充电过程中电荷增加超过总电池容量的阈值份额[比如20％ΔSOC])、充电容量和/或在所测量的充电过程的期间的差分容量的极值(比如最大值)和/或作为来自部分的电池模型或电化学的电池模型的所建模的电池电压与所测量的电压值的差的电压剩余量。
10.根据前述权利要求中的任一项所述的方法，其中对于至少一个干扰事件特征及至少一个电池状态参量的求取应该优选在出现运行干扰之后的时间段中进行，所述时间段尤其不大于在出现运行干扰的时刻之后的一到三天。
11.根据前述权利要求中的任一项所述的方法，其中所述干扰事件模型被构造为多标签逻辑回归或被构造为神经元网络。
12.根据前述权利要求中的任一项所述的方法，其中在设备外部的中央单元(2)中执行所述方法，在所述中央单元中事先传送时间上的运行参量变化曲线，其中将关于故障种类的说明和/或关于处理指示的说明传送给相关的设备(4)。
13.装置、尤其是数据处理机构，用于预测性地识别在技术设备(4)中出现运行干扰之后所述技术设备(4)的设备电池(41)的故障，其中所述装置被构造用于：
14.计算机程序产品，包括指令，所述指令在通过至少一个数据处理机构来执行程序时促使所述数据处理机构执行根据权利要求1至12中的任一项所述的方法的步骤。
15.机器可读的存储介质，包括指令，所述指令在通过至少一个数据处理机构来实施时促使所述数据处理机构执行根据权利要求1至12中的任一项所述的方法的步骤。
...【技术特征摘要】
1.用计算机实现的方法，用于在技术设备(4)中出现运行干扰之后对所述技术设备(4)的设备电池(41)的故障进行预测性识别，所述方法具有以下步骤：
2.根据权利要求1所述的方法，其中所述基于数据的干扰事件模型被构造或者被训练为分类模型，以用于根据至少一个干扰事件特征和至少一个电池状态参量来提供输出矢量，所述输出矢量的元件值表明配属于相应的元件的故障的之后出现的概率。
3.根据权利要求2所述的方法，其中根据所述输出矢量的相应的元件的元件值的阈值比较来分配并且通知所述处理指示。
4.根据权利要求1至3中的任一项所述的方法，其中在出现事故时或通过对于诊断数据的评估来确定运行干扰。
5.根据前述权利要求中的任一项所述的方法，其中所述处理指示包括所述设备电池(41)没有由于运行干扰而受到损害的提示或者应该将维修点处理计划在内的提示，以用于对所述设备电池(41)进行检查。
6.根据前述权利要求中的任一项所述的方法，其中根据输出矢量实时地或接近于实时地将所述处理指示通知(s8)给技术设备(4)的使用者，其中使用数据流，以用于紧接在可能的干扰事件之后获得基于至少一个可解释的特征的广泛的评估。
7.根据前述权利要求中的任一项所述的方法，其中发给使用者的、建议维修点处理的处理指示根据输出矢量和维修点负荷量来通知维修点停留的时间。
8.根据前述权利要求中的任一项所述的方法，其中车辆的运行干扰通过在碰撞时的纵向加速度的最大值、在碰撞时的横向加速度的最大值的阈值比较、通过来自安全气囊控制设备的诊断信息、车辆上的碰撞部位和/或最大测量的脉冲来确定。
9.根据前述权利要求中的任一项所述的方法，其中运行状态参量包括设备电池(41)的、在干扰事件的期间及之后的一个或多个特定时刻的运行参量、像比如在电池元件层面、模块层面或整个电池层面上的温度、电压、电流、充电状态、平衡状态和/或其相应的变化曲线和/或其聚合的参量，并且/或者包括设备电池的老化状态和/或内部的电池状态、像比如sei层厚度...
【专利技术属性】
技术研发人员：C·西莫尼斯，C·沃尔，
申请(专利权)人：罗伯特·博世有限公司，
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。