基于车联网和人工智能神经网络的汽车动力电池智能监测系统的制作方法

本发明属于可充电型存储电池、人工智能技术领域，涉及智能电池安全管理的系统和方法，和人工智能神经网络的应用，尤其涉及一种基于车联网和人工智能神经网络的汽车动力电池智能监测系统。

背景技术：

面对汽车的大量普及和日趋严重的能源和环境问题，新能源车，尤其是电动车和混合动力车开始被作为汽车行业发展的重要方向。这一发展趋势对电池的各项技术指标提出了很高的要求，而车用电池的安全性则毫无疑问，是这些技术指标中至关重要的一部分。

目前的车用动力电池安全控制由于车载控制单元运算能力的限制，只能在很小的范围内利用人工智能神经网络，其参数往往局限在总电压、总电流、平均温度等几个参数，而很难同时综合考虑汽车运行工况，更不用说细化分析电池内每个电池组甚至元电池的运行状况。为综合考虑更加复杂地工况，实现更加细致地对每个电池单元地监控，本发明设计一种将人工神经网络计算转移到云端方法。

技术实现要素：

针对现有技术存在的问题，本发明提供一种利用智能服务器上运算能力较为强大的人工智能神经网络对汽车动力电池安全性进行全面判断的方案。

本发明采用的技术方案是：

一种基于车联网和人工智能神经网络的汽车动力电池智能监测系统，该系统包括电池信息采集层、驾驶员手机终端和智能服务器，是一种以汽车动力电池温度、汽车动力电池电压、汽车动力电池电流、汽车车速、汽车发动机转速、汽车加速度、挡位信息等作为输入，以电池系统安全性评级作为输出的电池安全性监测系统。电池信息采集层获得安全性判断所需的各项参数，利用蓝牙发送到驾驶员手机终端，再由手机端通过4g或5g网络发送到智能服务器，由人工智能神经网络对对电池的各项参数进行综合计算，对电池进行安全性判断，绘制出电池安全系数图谱并将异常状态通过4g/5g网络发送回驾驶员手机终端，实现实时预警。

所述的电池系统由多个元电池组成，这些元电池可能分为多个电池组；

所述的电池信息采集层包括传感器层和蓝牙端口。所述的传感器层包括电池电压检测器、电池电流检测器、温度检测器、车速传感器、发动机转速传感器、挡位传感器、加速度传感器等收集各项电池信息的传感器。所述的蓝牙端口为寄存和发送传感器层收集的各项参数的蓝牙模块。

所述的驾驶员手机终端，包括手机信道和手机警示终端。所述的手机信道为驾驶员手机端的一个数据转存器，该数据转存器通过蓝牙端口接受电池信息采集层通过蓝牙所发送的传感器层所收集的各项参数，并通过4g/5g网络将其发送给智能服务器。在此过程中，手机信道仅作为各项数据传输的中继，而不参与数据的计算和处理。所述的手机警示终端为驾驶员手机端的一个手机应用，该应用利用4g/5g网络接受来自智能服务器的安全性判断结果并利用文字、声音、图片、震动等方式向驾驶员提示汽车动力电池安全状态。

所述的智能服务器使用人工智能神经网络，以电池各项状态参数为输入，以电池安全性评级作为输出。该智能服务器利用4g或5g网络从手机信道获得电池的各项参数，进行运算，并将运算结果通过4g或5g网络发送到手机警示终端，实现实时预警。在人工智能神经网络中，其训练阶段的人工安全评级包含对多个电池组或元电池各自的安全性评级，评价结果为离散的数字指标(比如安全等级1，2，3，4)，以便于智能神经网络的运算。

本发明的有益效果为：利用高速的4g或5g网络，实现了使用云端服务器而不是车载控制系统完成对电池的安全性评价，从而可以使用结构复杂，运算量大的人工智能神经网络考虑更加复杂的工况，为具体监控数量较多，工况较复杂的电池单元提供了可能。利用蓝牙实现电池信息采集层向驾驶员手机端的信息传输，既方便了驾驶员的使用，又降低了车载终端的成本。

附图说明

图1为本发明提出的车载电池安全监控系统的系统结构图。

具体实施方式

以下结合附图详细说明本发明的具体实施方法。

实施例

除了需要进行安全性评级的电池外，系统由三部分组成：

系统第一部分为电池信息收集层，该层包含收集各个电池、汽车运行状态的传感器和蓝牙传输模块。这些传感器包括两部分，第一部分为电池监控部分，包含监测电池电压、电流、温度的传感器；第二部分为汽车运行状态监控，包含车速、加速度、挡位等传感器。蓝牙传输模块将传感器收集的各项参数利用蓝牙协议发送到驾驶员手机端。

系统第二部分为驾驶员手机端，包括手机信道和手机端警示器。

系统第三部分为运算层，包括智能服务器。智能服务器使用人工智能神经网络算法依据获得的各项数据对电池进行安全性评级并将结果发回手机端。

具体工作流程如下：

驾驶员在使用该系统之前，首先在手机上安装一个ecar手机端应用。当驾驶员开启该应用后，该应用在手机存储中划定一块数据转存区域，同时强制开启蓝牙模块和4g(或5g)网络模块。当电池信息采集层的蓝牙传输模块和驾驶员手机端应用都处于工作状态，并且两者处于蓝牙传输的范围内时，两者会自动建立联系并进行信号测试和信息传输。

电池电压检测器、电池电流检测器、温度检测器、车速传感器、发动机转速传感器、挡位传感器，加速度传感器对电池和汽车运行状态进行监测并获得一批相应的参数，并将这些参数利用蓝牙端口发送到驾驶员手机端的手机信道上。

手机信道收集来自电池信息收集器的信号，再利用4g(或5g)网络将其发送到智能服务器上。

智能服务器获得这些参数后使用人工智能神经网络进行运算，获得对于电池的安全评级结果，并将其发送回手机端。手机端的ecar应用通过4g(或5g)网络模块接受智能服务器的运算结果，并在手机屏幕上实时显示电池运行的安全状态。在电池出现重大安全性故障时，ecar会调用手机的震动或声音模块发出震动或警示音，实现对驾驶员的提醒。

人工智能神经网络具体工作流程如下：

训练阶段：

第一步，在不同的路况和电池运行状况下，采集多组电池和汽车各项参数案例，并对这些案例进行人工安全评级。首先，将电池安全性评价具体为离散的数字指标，根据经验，一般设定为以下几个等级以便于智能神经网络的运算：等级1，“正常”，电池可以长期正常运行；等级2，“提示”，电池不能长期运行，允许短时间内或在较为恶劣的路况下出现；等级3，“警告”，只允许在极短时间内出现；4，“危险”，不允许出现，如果出现则意味着电池不能继续使用。根据上述标准由人工根据行驶实验结果和经验进行评级。

第二步，将已经做好电池安全性评级的电池和汽车运行各项参数案例上传系统，并同时上传相应的评级结果。

第三步，设定训练阈值，让人工智能网络对训练案例进行学习。训练阈值一般定义为：人工智能安全评级与人工安全评级的总偏差数/每100例，一般使用百分数表达。不断增加训练案例的数量直到人工智能网络的输出结果达到阈值要求，一般使用的阈值为5％。

使用阶段：

第一步，将需要进行电池安全性评级的电池和汽车运行各项参数案例上传系统；

第二步，使用人工智能网络对案例进行判断，如果存在超过阈值的电池安全性评级则输出报警信号。设定安全阈值的根据为路况和人工经验，在较好的路面上使用等级2，在较为恶劣的工况下行驶时可以使用等级3。

在训练阶段，使用的训练案例是由人工判断并评级的参数组。

以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。