基于电池检测的电池健康状态追踪云系统的制作方法

基于电池检测的电池健康状态追踪云系统
1.技术领域
2.本发明涉及电池检测技术领域，更具体地说，涉及基于电池检测的电池健康状态追踪云系统。


背景技术：

3.近年来，随着电动汽车的发展，锂电池被广泛应用。锂电池在循环使用过程中会不断的老化，内阻增加，容量衰减。电池健康度代表了电池的老化状态，它会影响电动汽车的安全性和可靠性，是电池管理系统中监测的一个重要参数。所以，快速准确地监测电池的健康度对实现锂电池长期安全有效的运行有重要意义。
4.现有电动汽车的soh的算法大多以行驶里程的多少判断电池的健康状态，这种方法没有考虑每个用户使用的习惯的差别，会导致soh的估算的精度不高。此外，还有些方法通过建立电化学模型和经验模型等预测电池的soh，但模型的建立需要引入大量的参数和大量的实验，比较复杂，难以在实际电动汽车上使用。
5.现有技术中，在对动力电池进行管理时，缺乏对动力电池整车使用的全程数据监控，当电池健康发生异常时，不能对异常电池进行追溯，不能对电池健康进行动态评估，不能实现整车动力电池数据源头的追溯。


技术实现要素：

6.1．要解决的技术问题针对现有技术中存在的问题，本发明的目的在于提供基于电池检测的电池健康状态追踪云系统，它可以高效、准确的对电池健康状态进行预测和估算，并在电池健康度低于预设值的情况下，向电池使用者推送警告信息。
7.2．技术方案为解决上述问题，本发明采用如下的技术方案。
8.基于电池检测的电池健康状态追踪云系统，包括数据服务器、人工智能推理服务器和数据采集模块；数据采集模块和人工智能推理服务器均与数据服务器信号连接；数据服务器包括信息接收模块、判断模块、比较模块、数据库和定期推送模块；数据库中存储有被测电池x的电池相关信息；数据采集模块用于采集数据库中存储的电池相关信息；信息接收模块用于接收数据采集模块采集到的电池相关信息；判断模块用于判断被测电池x是否已经损坏；判断模块将判断出的被测电池x未损坏的信息传递至人工智能推理服务器；判断模块将判断出的被测电池x已经损坏的信息传递至数据采集模块，并将已经损坏的被测电池x的电池相关信息储存到数据库中；
人工智能推理服务器用于预测未损坏的被测电池x的寿命s；人工智能推理服务器还可定期对已经损坏的被测电池x的相关信息进行学习；比较模块用于将人工智能推理服务器预测的被测电池x的寿命s与设定值进行分析比较，并将比较后的电池相关信息储存到数据库中；定期推送模块用于定期在规定时间内向电池使用者推送未损坏的被测电池x的寿命s超过设定值的预警信息。
9.进一步的，数据库中存储的电池相关信息包括但不限于被测电池x的状态数据n、操作人员身份c、电池使用者身份数据d、电池设备编号j、时间t和电池编码x。
10.进一步的，设定值为3个月；被测电池x的寿命s大于3个月状态下，比较模块将电池相关信息储存到数据库中；被测电池x的寿命s小于或等于3个月状态下，比较模块向数据采集模块发出预警信息，并将电池相关信息储存到数据库中。
11.进一步的，判断模块判断被测电池x是否已经损坏的方式为参照调用电池健康参数表，根据n寿命判断被测电池x是否已经损坏；判断模块判断被测电池x已经损坏，将n传送到人工智能推理服务器；比较模块等待人工智能推理服务器发送被测电池x的预测寿命s。
12.进一步的，数据采集模块为与被测电池x对应的修理工程师的智能手机上的app，修理工程师通过app扫描被测电池x编码x获取被测电池x相关信息。
13.进一步的，修理工程师对被测电池x进行检测的当天，首次检测时通过app扫描电池设备编号j对应的二维码或者输入电池设备编号j。
14.进一步的，人工智能推理服务器包括接收数据模块、第二筛选模块、cnn人工智能推理模块和数据推送模块；人工智能推理服务器预测未损坏的被测电池x的寿命s的方式为：包括以下步骤：a1、通过接收数据模块接收被测电池x的状态数据n；a2、输入数据到cnn人工智能推理模块；a3、运行cnn人工智能推理模块；a4、获取cnn人工智能推理模块的电池预测寿命s；a5、通过数据推送模块向数据服务器发送电池预测寿命s的结果。
15.进一步的，人工智能推理服务器定期对已经损坏的被测电池x的相关信息进行学习的方式为：包括以下步骤：b1、接收数据服务器的数据；b2、经第二筛选模块筛选后保留被测电池x已经损坏的数据；b3、使cnn人工智能推理模块进入学习模式，利用b2保留的数据进行无监督学习。
16.进一步的，数据服务器还包括第一筛选模块；定期推送模块向电池使用者推送预警信息的过程为：包括以下步骤：z1、将数据库中的数据通过第一筛选模块筛选后保留被测电池x未损坏的数据；z2、s=s
‑
toady（）
‑
t；z3、判断s是否大于3个月；z4、s小于或等于3个月时，向电池使用者推送警告信息；s大于3个月时，执行z5；z5、更新数据库中被本流程处理的数据条中的s；toady（）为规定时间内当天的检测日期；t为规定时间内的检测时间点。
17.进一步的，向电池使用者推送警告信息为向电池使用者的智能手机上关注的微信公众号推送警告信息。
18.3．有益效果相比于现有技术，本发明的优点在于：（1）本方案可以高效、准确的对电池健康状态进行预测和估算，并在电池健康度低于预设值的情况下，向电池使用者推送警告信息。
19.（2）向电池使用者推送警告信息，可有效避免电池使用者在电池健康度较低的情况下继续使用，从而可有效避免安全事故的发生。
20.（3）人工智能推理服务器不仅可以预测电池寿命，还可以对已损坏的电池状态数据进行无监督学习，以更好、更准确的预测电池寿命。
附图说明
21.图1为本发明的模块框图；图2为本发明的人工智能推理服务器定期对已经损坏的被测电池x的相关信息进行学习的流程图；图3为本发明的定期推送模块定期向电池使用者推送预警信息的流程图。
具体实施方式
22.下面将结合本发明实施例中的附图；对本发明实施例中的技术方案进行清楚、完整地描述；显然；所描述的实施例仅仅是本发明一部分实施例；而不是全部的实施例，基于本发明中的实施例；本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例；都属于本发明保护的范围。
23.请参阅图1
‑
3的基于电池检测的电池健康状态追踪云系统，它包括数据服务器、人工智能推理服务器和数据采集模块。
24.数据采集模块和人工智能推理服务器均与数据服务器信号连接。
25.数据服务器包括信息接收模块、判断模块、比较模块、数据库和定期推送模块。
26.数据库中存储有被测电池x的电池相关信息；数据采集模块与数据库信号连接，数据采集模块用于采集数据库中存储的电池相关信息；信息接收模块与数据采集模块信号连接，信息接收模块用于接收数据采集模块采集到的电池相关信息。
27.判断模块用于判断被测电池x是否已经损坏；判断模块与人工智能推理服务器信号连接，判断模块将判断出的被测电池x未损坏的信息传递至人工智能推理服务器；判断模块与数据采集模块信号连接，判断模块将判断出的被测电池x已经损坏的信息传递至数据采集模块，并将已经损坏的被测电池x的电池相关信息储存到数据库中。
28.人工智能推理服务器用于预测未损坏的被测电池x的寿命s；人工智能推理服务器还可定期（定期可为每月的其中一日）对已经损坏的被测电池x的相关信息进行学习。
29.人工智能推理服务器与比较模块信号连接，比较模块与数据库信号连接，比较模块用于将人工智能推理服务器预测的被测电池x的寿命s与设定值进行分析比较，并将比较
后的电池相关信息储存到数据库中。
30.定期推送模块与人工智能推理服务器信号连接，定期推送模块用于定期在规定时间内（定期可为每天的规定时间，如每天凌晨2点）向电池使用者推送未损坏的被测电池x的寿命s超过设定值的预警信息，向电池使用者推送警告信息为向电池使用者的智能手机上关注的微信公众号推送警告信息。
31.数据库中存储的电池相关信息包括但不限于被测电池x的状态数据n、操作人员身份c、电池使用者身份数据d、电池设备编号j、电池设备编号j对应的二维码、时间t和电池编码x。
32.设定值为3个月；被测电池x的寿命s大于3个月状态下，比较模块将电池相关信息储存到数据库中；被测电池x的寿命s小于或等于3个月状态下，比较模块向数据采集模块发出预警信息，并将电池相关信息储存到数据库中。
33.判断模块判断被测电池x是否已经损坏的方式为参照调用电池健康参数表，根据n寿命判断被测电池x是否已经损坏；判断模块判断被测电池x已经损坏，将n传送到人工智能推理服务器；比较模块等待人工智能推理服务器发送被测电池x的预测寿命s。
34.数据采集模块为与被测电池x对应的修理工程师的智能手机上的app，修理工程师通过app扫描被测电池x编码x获取被测电池x相关信息。
35.修理工程师对被测电池x进行检测的当天，首次检测时通过app扫描电池设备编号j对应的二维码或者输入电池设备编号j。
36.人工智能推理服务器包括接收数据模块、第二筛选模块、cnn人工智能推理模块和数据推送模块；人工智能推理服务器预测未损坏的被测电池x的寿命s的方式为：包括以下步骤：a1、通过接收数据模块接收被测电池x的状态数据n；a2、输入数据到cnn人工智能推理模块；a3、运行cnn人工智能推理模块；a4、获取cnn人工智能推理模块的电池预测寿命s；a5、通过数据推送模块向数据服务器发送电池预测寿命s的结果。
37.人工智能推理服务器定期对已经损坏的被测电池x的相关信息进行学习的方式为：包括以下步骤：b1、接收数据服务器的数据；b2、经第二筛选模块筛选后保留被测电池x已经损坏的数据；b3、使cnn人工智能推理模块进入学习模式，利用b2保留的数据进行无监督学习。
38.数据服务器还包括第一筛选模块；定期推送模块向电池使用者推送预警信息的过程为：包括以下步骤：z1、将数据库中的数据通过第一筛选模块筛选后保留被测电池x未损坏的数据；z2、s=s
‑
toady（）
‑
t；z3、判断s是否大于3个月；z4、s小于或等于3个月时，向电池使用者推送警告信息；s大于3个月时，执行z5；z5、更新数据库中被本流程处理的数据条中的s；toady（）为规定时间内当天的检测日期；t为规定时间内的检测时间点。
39.可以高效、准确的对电池健康状态进行预测和估算，并在电池健康度低于预设值的情况下，向电池使用者推送警告信息，可有效避免电池使用者在电池健康度较低的情况下继续使用，从而可有效避免安全事故的发生。
40.以上所述；仅为本发明较佳的具体实施方式；但本发明的保护范围并不局限于此；任何熟悉本技术领域的技术人员在本发明揭露的技术范围内；根据本发明的技术方案及其改进构思加以等同替换或改变；都应涵盖在本发明的保护范围内。