CN103364203B - 协作车辆健康模型 - Google Patents
协作车辆健康模型 Download PDFInfo
- Publication number
- CN103364203B CN103364203B CN201310104197.9A CN201310104197A CN103364203B CN 103364203 B CN103364203 B CN 103364203B CN 201310104197 A CN201310104197 A CN 201310104197A CN 103364203 B CN103364203 B CN 103364203B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- battery
- processor
- cooperation
- health model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000036541 health Effects 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000004891 communication Methods 0.000 claims description 41
- 230000033228 biological regulation Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims 2
- 238000007726 management method Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 17
- 238000012544 monitoring process Methods 0.000 description 17
- 238000013500 data storage Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 230000015654 memory Effects 0.000 description 13
- 238000005259 measurement Methods 0.000 description 12
- 239000002699 waste material Substances 0.000 description 12
- 230000032683 aging Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 230000001143 conditioned effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000018199 S phase Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及协作车辆健康模型。具体地,方法包括从多个车辆收集车辆健康数据。在多个车辆中识别同等群体。从同等群体收集的车辆健康数据进入协作车辆健康模型,协作车辆健康模型可应用于当前车辆以预测当前车辆的至少一个部件的状态。
Description
背景技术
对车辆或者车辆***的状态或健康的评估(诊断)可有助于车辆的有效操作和维护。车辆或者车辆***的健康的诊断可用于产生车辆或未来车辆的行为的预知(预测)。
关于车辆或者车辆***健康的准确诊断和预测可对车辆的所有者或操作者以及其它方有益。例如,准确预测可被用于确定何时应对车辆或者车辆***进行维护。这种准确预知可减少如果维护不正当地被延迟导致的车辆故障或抛锚的可能性。另一方面,准确预测可减小对过早进行的维护的时间、金钱和劳力的不必要的支出。类似地,准确诊断和预测可用于产生担保和保证条件,保险政策和维护方案。
车辆可包括通信***。这种通信***可通过车载通信设备或者通过与车辆连接的移动设备(例如移动电话)来运行。这种通信***可***作以提供车辆对车辆(V2V)通信或者车辆对基础设施(V2I)通信。例如,这种通信可被提供以通知驾驶员或者车辆控制***车辆目前不能直接地检测的危险。
发明内容
方法包括从多个车辆收集车辆健康数据。在多个车辆中识别同等群体。从同等群体收集的车辆健康数据进入协作车辆健康模型,协作车辆健康模型可应用于当前车辆以预测当前车辆的至少一个部件的状态。
本发明还提供了如下方案:
方案1.一种方法,其包括:
从多个车辆收集车辆健康数据;
在多个车辆中识别同等群体;以及
将从同等群体收集的车辆健康数据并入到协作车辆健康模型中,所述协作车辆健康模型可应用于当前车辆以预测当前车辆的至少一个部件的状态。
方案2. 如方案1所述的方法,其中车辆健康数据是通过网络收集的。
方案3. 如方案2所述的方法,其中所述网络是无线网络。
方案4. 如方案1所述的方法,其中识别所述同等群体包括识别多个车辆中的以预定一组特征为特征的车辆。
方案5. 如方案4所述的方法,其中预定特征包括车辆的部件的特征。
方案6. 如方案1所述的方法,其中将从同等群体收集的车辆健康数据并入到协作车辆健康模型中包括根据收集的健康数据调节协作车辆健康模型的参数。
方案7. 如方案6所述的方法,其中调节参数包括应用最小均方误差技术。
方案8. 如方案1所述的方法,其中协作车辆健康模型可应用于当前车辆的电池以预测电池容量。
方案9. 如方案1所述的方法,其中协作车辆健康模型可应用于当前车辆的制动器以预测制动器的刹车片的磨损。
方案10. 一种***,其包括处理器,从而:
从多个车辆收集车辆健康数据;
在多个车辆中识别同等群体;
将从同等群体收集的车辆健康数据并入到协作车辆健康模型中,所述协作车辆健康模型可应用于当前车辆以预测当前车辆的至少一个部件的状态。
方案11. 如方案10所述的***,包括网络以使能处理器和所述多个车辆之间的通信。
方案12. 如方案11所述的***,其中所述网络是无线网络。
方案13. 如方案11所述的***,其中当前车辆配置成通过网络与处理器通信,并且其中协作车辆健康模型可以由处理器应用于当前车辆的部件。
方案14. 如方案11所述的***,其中协作车辆健康模型的至少一个参数可以通过网络分配到当前车辆,并且其中当前车辆的处理器配置成应用协作车辆健康模型到当前车辆。
方案15. 如方案10所述的***,其中同等群体包括多个车辆中的以预定一组特征为特征的车辆。
方案16. 如方案15所述的***,其中预定特征包括车辆的部件的特征。
方案17. 如方案10所述的***,其中协作车辆健康模型以可调节参数而参数化。
方案18. 如方案10所述的***,其中协作车辆健康模型可应用于当前车辆的电池以预测电池容量。
方案19. 如方案10所述的***,其中协作车辆健康模型可应用于当前车辆的制动器以预测制动器的刹车片的磨损。
方案20. 一种非瞬态计算机可读介质,其上存储有指令,所述指令在被处理器执行时将使该处理器执行如下方法:
从多个车辆收集车辆健康数据;
在多个车辆中识别同等群体;以及
将从同等群体收集的车辆健康数据并入到协作车辆健康模型中,所述协作车辆健康模型可应用于当前车辆以预测当前车辆的至少一个部件的状态。
附图说明
在说明书的结论部分具体指出并清楚地要求保护了本发明的主题。不过,本发明在组织和操作方法方面以及在目标、特征及其优点方面都通过结合附图阅读下面的具体描述而被最佳地理解,在附图中:
图1是根据本发明实施例的构造用于协作车辆健康管理的车辆的示意图;
图2是根据本发明实施例的用于协作车辆健康管理的***的示意图;
图3是根据本发明实施例的用于协作车辆健康管理的方法的流程图;
图4示出了根据本发明实施例的通过协作车辆健康管理的方法的应用可调节的电池健康的可调节模型的例子;
图5示出了用于调节制动健康模型的测量的制动使用的柱状图的例子;以及
图6示出了根据本发明实施例的由协作车辆健康管理的方法的应用导致的可调节刹车片磨损系数的例子;
应该意识到的是,出于图示说明的简单和清楚目的,在附图中示出的元件不一定是按比例绘制的。例如,一些元件的尺寸可被相对于其它元件夸大以清楚显示。另外,在被认为合适的情况下,附图标记可在附图中被重复以指示对应的或相似的元件。
具体实施方式
在下面的具体描述中,公开了数个具体的细节以提供对本发明的透彻理解。不过本领域技术人员应该理解的是,本发明可在没有这些具体细节的情况下被实施。在其它情况下,非常公知的方法、程序、和部件没有被具体描述以不阻碍对本发明的理解。
如从下面的讨论中容易理解地,除非另有具体的说明,否则应该意识到,在整个说明书中的讨论中,使用诸如“处理”、“计算”、“存储”、“确定”、“评估”、“运算”、“测量”、“提供”、“传递”等的术语来指示计算机或计算***或者类似的电子计算设备的行为和/或过程,其将计算***的寄存器和/或存储器中的被表达为物理量例如电子量的数据操纵和/或转换为在计算***的存储器、寄存器或其它此类的信息存储、传输或显示设备内的被类似地表达为物理量的其它数据。
根据本发明实施例的协作车辆健康管理利用车辆通信产生并完善协作车辆健康模型,其用于描述并预测车辆,或车辆的***或部件的状态。车辆可以设有一个或多个传感器,其感测车辆,或车辆***或部件的当前状态(“车辆健康数据”)。来自多个车辆的传感器读数被传送至处理器。
多个车辆的子集(“同等群体”)可以是彼此足够类似的,从而来自同等群体的传感器读数可以与车辆的,或者车辆***或部件的协作车辆健康模型相关。(本文中使用“车辆健康模型”指的是用于车辆、车辆的特定部件、或车辆的特定***或子***的健康模型)。例如,同等群体的车辆、或者同等群体的每个车辆的***或部件的特征可在于一个或多个共同的或类似的特征。
处理器可以将从同等群体接收的或收集的车辆健康数据并入协作车辆健康模型。例如,来自传感器读数的数据可以用于计算或调节协作车辆健康模型的参数值。
例如,最小均方误差方法可以被应用,以根据接收的车辆健康数据调节协作车辆健康模型的一个或多个参数。替代地,另一统计方法可以被应用。这种另一方法可以包括例如受限制的最大似然方法、准最大似然估计量、最大后验估计量、支持方法、广义的矩量法,或最大间隔估计的应用。
例如,用于车辆电池的老化模型可以使电池容量与电池的当前吞吐量(随时间积分的瞬时电流输出)相关。一个或多个传感器可以测量与吞吐量和电池容量相关的量。传感器读数,或与传感器读数相关的量,可以传送至处理器。通过分析来自多个车辆的传感器读数,处理器可以计算老化模型的一个或多个可调节参数的值。电池老化模型然后可以基于该电池的测量的吞吐量用于预测特定车辆的电池的有效寿命。来自同等群体的数据也可以被分析,以确定车辆或电池的典型使用。在这种情况下,电池的当前容量可以在电池年龄的基础上被估计。例如,电池的容量预测可以用于确定何时电池应被替换(例如,尽可能接近,但是在电池的容量被减小到致使电池无效的时间之前)。
在另一个例子中,用于刹车片磨损的模型可以使刹车片磨损(例如,刹车片的厚度变化)与特定刹车片工作温度的制动事件数相关。每当该车辆的制动器被应用的时候,一个或多个传感器可以测量车辆的刹车片的温度。传感器读数,或与传感器读数相关的量,可以被传送至处理器。通过分析来自多个车辆的传感器读数,处理器可以计算刹车片磨损模型的一个或多个可调节参数的值。刹车片磨损模型然后可以用于基于特定车辆的制动事件的制动操作温度的测量的分布预测该车辆的刹车片磨损。来自同等群体的数据也可以被分析,以确定车辆或制动器的典型使用。在这种情况下,刹车片磨损可以单独在制动事件数的基础上被估计。例如,刹车片磨损的预测可以用于确定何时刹车片应被替换(例如,尽可能接近,但是在刹车片磨损使制动器失去效力的时间之前)。
更新的模型(例如具有更新的参数值)可以被传送至车辆,其与更新模型的处理器通信。更新的模型然后可以由每个车辆中的处理器利用,或由与车辆通信的处理器利用,以预测***性能并使得能够及时的维护。
根据本发明实施例的协作车辆健康管理可以是有利的。例如,传统的加速老化试验以预测车辆,或车辆的***或部件的老化,会消耗大量的时间或资源,并且会要求小心的设计以便模仿车辆的实际现场使用。
图1是根据本发明实施例的构造用于协作车辆健康管理的车辆的示意图。
车辆10(例如,轿车、卡车或其他车辆)可包括处理器12。处理器12可与车辆监测***18联合运行或与之独立地运行。
处理器12可包括一个或多个处理单元,例如是包含在车辆10内、连接到车辆10、或者被远程地定位的一个或多个计算机的处理单元。处理器12可被构造成按照存储在存储器14中的编程指令操作。处理器12可能够按照该编程指令操作以执行协作车辆健康管理的应用或模块。
处理器12可与存储器14通信。存储器14可包括一个或多个易失性或非易失性存储设备。存储器14可被用于存储例如编程指令以实现处理器12的操作、由处理器12在操作过程中使用的数据或参数、处理器12的操作结果、或来自车辆监测***18的传感器数据。
处理器12可与数据存储设备16通信。数据存储设备16可包括一个或多个固定的或可移除的非易失性数据存储设备。例如,数据存储设备16可包括计算机可读介质以存储用于处理器12操作的程序指令。这些指令可包括例如用于与协作车辆健康管理相关的一个或多个操作或模块的指令。数据存储设备16可被用于存储由处理器12在操作期间使用的数据或参数、处理器12的操作结果、或者从一个或多个车辆监测***18或从在远程车辆上的远程车辆监测***接收的传感器或其它的数据。
数据存储设备16可代表远离处理器12的数据存储设备。例如,数据存储设备16可代表形式为可被下载并安装以实现处理器12执行的一个或多个安装包的远程服务器的存储设备。
处理器12通过通信模块32和通信设备34可与另一车辆上的处理器通信或者与服务器或远程处理器通信。例如,通信模块32可被构造成用于车辆对车辆(V2V通信)、车辆对基础设施(V2I)通信,或与远程设备通信。通信设备34可包括无线设备,其能够用于视线通信(例如,通过可视的或红外的辐射),或者射频或微波通信。通信设备34可包括一种部件,该部件能够通过导线或连接器连接到设备,通信设备34通过该设备可与另一处理器或设备通信。
处理器12可与车辆监测***18通信。例如,处理器12可被构造成询问车辆监测***18并且从与车辆监测***18相关联的一个或多个传感器接收传感器数据。车辆监测***18可包括模拟或数字处理电路或能力以在将所获取的传感器数据传递给车辆监测***18之前对传感器数据执行处理操作(例如,校准或转换)。
例如,车辆监测***18可与一个或多个电池传感器28相关联。电池传感器28可被构造成感测与车辆电池26相关的状态或活动。例如,电池传感器28可感测与车辆电池26的吞吐量(电流随时间的积分)或者容量(存储的电荷)相关的量。车辆监测***18可询问或从电池传感器28接收感测的数据。
作为另一例子,车辆监测***18可以与一个或多个制动传感器30相关联。制动传感器30可以被配置用来感测与车辆10的制动器相关联的状态或活性。例如,制动传感器30可以被配置用来感测制动器工作的量(例如,当制动时感测制动事件和刹车片温度)或车辆10的制动器的刹车片厚度。车辆监测***18可以询问或从制动传感器30接收感测数据。
处理器12、存储器14、数据存储设备16、通信模块32、通信设备34或车辆监测***18的一个或多个部件可被包含、加入或安装到车辆10的发动机舱20、乘客舱22(例如,在仪表板或其它内部面板中,或在便携计算机、移动电话、或被携带在乘客舱22内的智能手机中)或行李舱24(例如行李箱)上或中。
根据本发明的实施例,车辆10可与协作车辆健康管理的***协作。例如,车辆10的处理器12可通过通信模块32和通信设备34与一个或多个其它车辆通信,或与远程服务器或其它远程设备通信。
图2是根据本发明实施例的用于协作车辆健康管理的***的示意图。
在协作车辆健康***50内,每个车辆10与网络52通信。例如,网络52可代表通信路径或网络的任意组合。这种通信路径或网络可包括例如互联网、移动电话网络、V2V通信、V2I通信、或者到网络的无线访问。每个车辆10至少包括车辆监测***18以监测在车辆10中的一个或多个传感器,和通信设备34以通过网络52通信。与协作车辆健康***50相关联的车辆10可包括装备有车辆监测***18和通信设备34的车辆的子组。例如,这种子组可包括签署了协作车辆健康提供服务的车辆。
车辆10可通过网络52与服务器54通信。服务器54可包括形式为一个或多个处理器、计算机、或带有处理能力的其它设备的处理功能。例如,服务器54的处理功能可被包含在一个或多个远程静态计算设备中,或包含在一个或多个互相通信的安装在车辆上的设备中。例如,服务器54的处理功能可被包含在一个或多个车辆10的处理器12中(图1)。
服务器54的处理器可与服务器存储器56通信。服务器存储器56可代表可与服务器54通信的一个或多个本地的或远程的存储设备。
服务器54的处理器可与服务器数据存储设备58通信。服务器数据存储设备58可代表可与服务器54通信的一个或多个本地的或远程的非易失性数据存储设备。例如,服务器数据存储设备58的数据存储功能的一些或全部可位于一个或多个车辆10中。
服务器数据存储设备58可被用于存储数据库60。例如,数据库60可包括从一个或多个车辆10的车辆监测***18收集的数据。
服务器54可***作以执行根据本发明实施例的用于协作车辆健康管理的方法。执行协作车辆健康管理的方法可导致生成或更新协作车辆健康模型以预报或指示车辆的健康,或者车辆的***或部件的健康。预报或指示可从模型基于与车辆、或车辆***或部件、操作相关的测量参数计算得到。
图3是根据本发明实施例的用于协作车辆健康管理的方法的流程图。
应该理解的是,已经选择了将由流程图图示的方法划分为单独的多个操作,每一个都由流程图的方框表示,以仅为了方便和清楚。将图示的方法以另外的方式划分成多个操作以是可行的且具有等同的结果。应认为这种将该方法另外地划分成多个操作也包含在本发明的实施例的范围内。
还应该理解的是,除非另有指示,否则由流程图的方框代表的图示的操作顺序仅是选择用于方便和清楚的目的。图示的操作的执行顺序可被改进,或者图示的方法的操作可被同时执行,这都具有等同的结果。应认为这种将流程图的方框图示的操作重新排序也包含在本发明的实施例的范围内。
协作车辆健康管理方法100可由协作车辆健康管理***的处理器执行,例如服务器或车辆上装载的计算机。例如,协作车辆健康管理方法100可被连续地执行、以预定的时间间隔执行、在由一个或多个感测状况指示时执行、或者在由人工操作者起动时执行。例如,协作车辆健康管理方法100的一个或多个操作可被周期地执行以随车辆年龄更新协作车辆健康模型。
与车辆或一个或多个车辆***的功能或健康相关的数据可从一组车辆收集(方框110)。例如,该组车辆可与处理器(例如服务器或车辆装载的计算机)通信,处理器执行协作车辆健康管理方法100。每个车辆可通过网络、或通过其他通信通道与处理器通信。通信车辆可被限制为签署了服务或被以其它方式授权以将与车辆健康相关的数据传送给处理器的车辆。
被传送的车辆健康数据可被保存在例如数据库中。数据库可被定位在单个位置,例如在与服务器相关联的一个或多个数据存储设备中,或者可被分布在多个相互通信的设备中(例如,与车辆装载的处理器相关联的设备)。
用于车辆,或车辆***或部件的协作车辆健康模型可以函数形式表示。例如,协作车辆健康模型的一般函数可以表达为:
y = f (x1, x2 | θ)。
变量y代表车辆***或部件的健康指标,其可以指示部件的有效寿命。例如,在车辆电池的情况下,变量y可以代表电池的内部电阻。在车辆制动器的情况下,变量y可以代表刹车片厚度。
变量x1共同地代表部件的使用度量。例如,在电池的情况下,变量x1可以代表电池吞吐量(随时间的电流,例如单位是安培-小时),在制动器的情况下,变量可以代表制动压力,制动应用频率,制动应用数,或上述的结合。变量x2共同地代表任何环境因子,其会影响部件的寿命。例如,制动器寿命可以受制动时的制动器的温度影响。
函数f可以具有预定函数形式。例如,f的函数形式可以与一般理论或现象的考虑相关。函数f可能被一个或多个参数而参数化。这些参数可以为部件或***的特定子组被调节或被校准。这些可调节参数共同地以变量θ代表。参数θ的调节可以基于收集的车辆健康数据的分析。
协作车辆健康模型的特征在于参数θ的特定组可以与车辆的子组,或同等群体相关,车辆健康数据从车辆的子组,或同等群体收集。车辆的数据的相关同等群体可以被选为与协作车辆健康模型相关(方框120)。车辆的同等群体可以被选为与关于特定车辆***或部件的特定协作车辆健康模型相关。关于不同车辆***或部件的同等群体可包括车辆的不同子集。
特定组参数θ应用的同等群体可以由一个或多个共同特性限定。例如,这样的同等群体可包括所有的车辆,其包括单一类型的部件或***。单一类型的部件或***特征可在于具有:例如,普通发动机、型号、制造年份,或其他特征。同等群体可以被限制在类似于彼此的那些车辆。例如,一组相似的车辆特征可在于车辆具有通用或相似的类型、制造、模型、制造年份,或发动机类型。同等群体也可以被限制在那些车辆,其易于经受相似的环境条件,例如在相同的或类似的地理区域或气候区域中操作。同等群体可以类似地被限制在那些车辆,其在相似的操作条件下操作,例如是私人拥有或由公司或车队拥有,主要设计为家用,公交,或商业用途,或在标准时间段期间驾驶的典型距离。同等群体可以被限制在车辆,它们的年龄(例如服役中以天为单位测量的,或进行的距离,如里程)大于阈值(因为来自这种车辆的数据可以比来自更年轻的车辆的数据在统计上更可靠,或比工厂加速老化试验更准确)。
从同等群体收集的所选的车辆健康数据可以并入到协作车辆健康模型(方框130)。同等群体车辆健康数据可以被分析,以调节协作车辆健康模型的一个或多个参数。
在分析所选的车辆健康数据方面,被给予到来自更老车辆的数据的权重可以比给予到来自更年轻车辆的数据的权重更大。
例如,电池老化模型可以具有形式:
其中C deg(t)是作为时间t的函数的电池容量,C N 是电池的标称容量,Z w (t)是电池的加权的吞吐量(例如以安培-小时为单位),其是时间的函数(权重可以是这种电池相关的因子的函数,例如充电状态,电池温度,或充电或放电电流),Z IEC 代表标准的吞吐量(如国际电工委员会所定义的)。
参数c z 是可调节的。此外,并入到加权的吞吐量Z w (t)的权重也可以是可调节的。参数c z 和任何可调节权重因子可以被调节或被校准,其通过与车辆健康数据相比较,车辆健康数据从关于特定类型的车辆(例如,如发动机、制造、型号、年份限定的)中的特定类别电池(例如,如类型、型号限定的)的车辆的同等群体收集。例如,车辆健康数据可以包括测量值,其与电池吞吐量Z w (t)和电池容量C deg(t)相关。收集的车辆健康数据可以被分析(例如最小二乘法拟合),以产生可调节参数c z 的值或任何可调节权重因子。
图4显示了根据本发明实施例的用于电池健康的可调节模型的例子,其通过用于协作车辆健康管理的方法的应用是可调节的。电池容量曲线200示出了电池容量变化(以安培-小时为单位),其作为电池使用时间的函数(以月为单位)。电池容量曲线210a示出了电池的老化模型,其具有可调节参数c z 的一个值(例如5),电池容量曲线210b示出了老化模型,其具有可调节参数c z 的不同的值(例如8)。
作为另一例子,制动器健康模型可以具有形式:
其中w代表刹车片磨损(例如以刹车片的毫米为单位),T i 是范围从T 1 (例如100℃)至T 2 (例如400℃)的制动器温度,是在制动器温度T i 的制动事件数,是刹车片磨损系数(例如以每1000制动事件或停车的刹车片的毫米为单位)。
刹车片磨损系数是可调节的。刹车片磨损系数可以被调节或被校准,其通过与车辆健康数据相比较,车辆健康数据从关于特定类型的车辆(例如,如发动机、制造、型号、年份限定的)中的特定类别刹车片(例如,如类型、型号限定的)的车辆的同等群体收集。例如,车辆健康数据可以包括测量值,其与制动器温度(例如以摄氏度为单位),制动器磨损(例如以毫米为单位的片厚度)和制动事件或停车的数量相关。收集的车辆健康数据可以被分析(例如最小二乘法拟合),以产生刹车片磨损系数的一组值。
图5显示用于调节制动器健康模型的测量的制动器使用的柱状图的例子。当制动器温度在特定温度范围(以摄氏度为单位)中的时候,柱状图400a是车辆的制动事件数的柱状图。例如,当制动器磨损传感器被触发的时候,柱状图400a可以被获得(例如来自车辆的数据存储设备)。例如,当感测到的制动器磨损(刹车片厚度变化)超出阈值(或一系列阈值的一个或多个)的时候,制动器磨损传感器可以被触发。柱状图400b是不同车辆的制动事件数的柱状图。
柱状图,例如柱状图400a和400b,和从车辆的同等群体获得的其他柱状图一起,可以被分析以产生刹车片磨损系数的一组值。
图6显示了根据本发明实施例的可调节的刹车片磨损系数的例子,其由用于协作车辆健康管理的方法的应用所导致。
刹车片磨损系数曲线300示出了刹车片磨损系数的组(以每1000刹车事件或停车的刹车片磨损的毫米为单位),其是制动器温度(以摄氏度为单位)的函数。刹车片磨损系数曲线310a基于一个车辆的测量值组说明一组刹车片磨损系数。刹车片磨损系数曲线310b基于不同车辆的不同组测量值说明一组刹车片磨损系数。
协作车辆健康模型(其并入来自所选的同等群体的车辆健康数据的结果)可以代表从协作车辆健康模型以前(或初始)版本变化(图3的方框140)。例如,协作车辆健康模型的初始版本可以已经基于计算或测量值,其在车辆或车辆部件或***的制造或开发期间进行(例如使用加速老化或其他估算技术)。车辆健康***的以前版本可以已经从协作车辆健康管理方法100的以前的执行得到。自从车辆健康管理方法100的以前的执行所收集的车辆健康数据中发生的变化可以导致协作车辆健康模型的一个或多个参数的修正。例如,作为一组车辆的重复测量被使用或老化可导致协作车辆健康模型的细化。
如果协作车辆健康模型已经变化,调节的协作车辆健康模型可以被应用(方框150)。例如,协作车辆健康模型可以在服务器上被更新或可以被分配到车辆。协作车辆健康模型的应用可以使能预测车辆部件或***的状态(例如,估计的当前或预计的电池容量,估计的当前或预计的刹车片磨损),其基于车辆的年龄或车辆的测量的使用。协作车辆健康模型可以由每辆车的车载的计算机或处理器应用。替代地,协作车辆健康模型可以在从车辆接收相关数据(例如年龄或使用数据)时由服务器或其他远程处理机或计算机应用。
不论协作车辆健康模型是否已经变化,来自车辆的数据可以继续被收集(返回到方框110),以为了协作车辆健康模型的进一步的完善或检验。
来自特定车辆的车辆健康数据可以被获得并被分析以便使协作车辆健康模型适应于该特定车辆(或车辆部件或***)。例如,该车辆的协作车辆健康模型的应用可以产生量的预测,其与该量(例如当前电池容量或当前刹车片厚度)的直接测量值不同。协作车辆健康模型的一个或多个参数可以仅相对于该车辆被调节(例如在该车辆的机载计算机中,或当与该车辆通信时的服务器中)以便使协作车辆健康模型适应于该车辆。
协作车辆健康管理方法100的各种操作可在不同的时间或以不同的周期性被执行。例如,从车辆收集数据的操作(方框110)可比从同等群体将数据并入协作车辆健康模型(方框130)或应用调节的模型(方框150)的操作更频繁地被执行。
从车辆收集数据或分配调节的模型到车辆的周期性可针对不同的车辆***而变化。例如,电池的充电状态可以每隔几个点火周期被收集或被并入到协作车辆健康模型。另一方面,制动踏板数据可以较低的频率被收集,例如每隔几天。
可使用其它操作或不同系列的操作。
本发明的实施例可包括用于执行本文中描述的操作的装置。这种装置可被专门构造以用于期望目的,或者可包括由存储在计算机内的计算机程序选择性地激活或重构的计算机或处理器。这种计算机程序可被存储在计算机可读或处理器可读非瞬态存储介质、任意类型的磁盘包括软盘、光盘、CD-ROM、磁光盘、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁或光卡、或者适合存储电子指令的任何其它类型的介质。应该意识到的是,可使用各种编程语言来实施本文中描述的本发明的教导。本发明的实施例可包括物件,例如非瞬态计算机或处理器可读非瞬态存储介质,例如存储器、磁盘驱动器、或者USB闪存,其编码、包括或存储指令,例如计算机可执行的指令,其在由处理器或控制器执行时,使处理器或控制器实施本文公开的方法。指令可使处理器或控制器执行实施本文公开的方法的过程。
本文公开了不同的实施例。某些实施例的特征可与其它实施例的特征组合,因此,某些实施例可以是多个实施例的特征的组合。前面已经给出的对本发明的实施例的描述是用于说明和描述的目的。并不意在是排他性的或者将本发明限制为所公开的精确形式。本领域技术人员应该意识到的是,鉴于上面的教导,许多改进、变型、替换、变化和等同方式都是可行的。因此,应该理解的是,意在用所附的权利要求覆盖所有这种改进和变化,只要它们落入本发明的真实精神内。
Claims (9)
1.一种用于预测车辆电池的替换时间的方法,所述方法包括:
提供处理器,所述处理器配置用于:
通过无线网络从多个车辆收集电池性能数据;
识别与属于同等群体的车辆相关联的电池性能数据,该同等群体的特征在于共同的车辆制造年份;
对电池性能数据施加操作以计算反应车辆制造年份的调整参数;
使用包含调整因子的协作车辆健康模型以预测与同等群体相关联的车辆电池的替换数据,所述协作车辆健康模型实施为:,
其中C deg(t)是作为时间t的函数的电池容量,C N 是电池的标称容量,Z w (t)是电池的加权的吞吐量,其是时间的函数,Z IEC 代表标准的吞吐量,c z 是可调节的参数。
2.如权利要求1所述的方法,其中识别所述同等群体包括识别多个车辆中的以预定一组特征为特征的车辆。
3.如权利要求2所述的方法,其中预定特征包括车辆的部件的特征。
4.如权利要求1所述的方法,其中调节参数包括应用最小均方误差技术。
5.一种用于预测车辆电池的替换时间的***,所述***包括:
与无线网络连通的处理器,所述处理器配置用于:
通过无线网络从多个车辆收集电池性能数据;
识别与属于同等群体的车辆相关联的电池性能数据,该同等群体的特征在于共同的车辆制造年份;
对电池性能数据施加操作以计算反应车辆制造年份的调整参数;
使用包含调整因子的协作车辆健康模型以预测与同等群体相关联的车辆电池的替换数据,所述协作车辆健康模型实施为:,
其中C deg(t)是作为时间t的函数的电池容量,C N 是电池的标称容量,Z w (t)是电池的加权的吞吐量,其是时间的函数,Z IEC 代表标准的吞吐量,c z 是可调节的参数。
6.如权利要求5所述的***,其中当前车辆配置成通过网络与处理器通信,并且其中协作车辆健康模型可以由处理器应用于当前车辆的部件。
7.如权利要求5所述的***,其中协作车辆健康模型的至少一个参数可以通过网络分配到当前车辆,并且其中当前车辆的处理器配置成应用协作车辆健康模型到当前车辆。
8.如权利要求5所述的***,其中同等群体包括多个车辆中的以预定一组特征为特征的车辆。
9.如权利要求8所述的***,其中预定特征包括车辆的部件的特征。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/433644 | 2012-03-29 | ||
US13/433,644 US9058038B2 (en) | 2012-03-29 | 2012-03-29 | Method and system for predicting vehicle battery health using a collaborative vehicle battery health model |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103364203A CN103364203A (zh) | 2013-10-23 |
CN103364203B true CN103364203B (zh) | 2017-04-26 |
Family
ID=49154962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310104197.9A Active CN103364203B (zh) | 2012-03-29 | 2013-03-28 | 协作车辆健康模型 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9058038B2 (zh) |
CN (1) | CN103364203B (zh) |
DE (1) | DE102013205196B4 (zh) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11182859B2 (en) * | 2013-12-04 | 2021-11-23 | State Farm Mutual Automobile Insurance Company | Assigning mobile device data to a vehicle |
WO2016082208A1 (en) * | 2014-11-28 | 2016-06-02 | Robert Bosch Gmbh | Wireless network based battery management system |
DE102016208214A1 (de) * | 2015-05-22 | 2016-11-24 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zur Unterstützung eines Manövriervorganges eines Fahrzeuges |
US10197631B2 (en) * | 2015-06-01 | 2019-02-05 | Verizon Patent And Licensing Inc. | Systems and methods for determining vehicle battery health |
WO2017023898A1 (en) | 2015-08-03 | 2017-02-09 | Cummins, Inc. | Systems and methods of energy management and control of an electrified powertrain |
WO2017027332A1 (en) | 2015-08-07 | 2017-02-16 | Cummins, Inc. | Systems and methods of battery management and control for a vehicle |
US10435007B2 (en) | 2015-09-23 | 2019-10-08 | Cummins, Inc. | Systems and methods of engine stop/start control of an electrified powertrain |
US10023068B2 (en) * | 2015-10-13 | 2018-07-17 | Cummins, Inc. | Systems and methods for battery usage regulation for battery life protection |
WO2017091231A1 (en) * | 2015-11-25 | 2017-06-01 | Hewlett-Packard Development Company, L.P. | Battery performance prediction |
US10676077B2 (en) | 2015-12-10 | 2020-06-09 | Cummins, Inc. | Systems and methods of energy management and control of vehicle accessories |
US9846978B1 (en) * | 2016-06-15 | 2017-12-19 | Ford Global Technologies, Llc | Remaining useful life estimation of vehicle component |
US20180012197A1 (en) | 2016-07-07 | 2018-01-11 | NextEv USA, Inc. | Battery exchange licensing program based on state of charge of battery pack |
US9837682B1 (en) * | 2016-08-29 | 2017-12-05 | Microsoft Technology Licensing, Llc | Variable layer thickness in curved battery cell |
US10328802B2 (en) * | 2016-11-11 | 2019-06-25 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for adaptive braking using brake wear data |
US10556598B2 (en) * | 2016-11-23 | 2020-02-11 | Ge Global Sourcing Llc | Vehicle control systems and methods |
US20180154777A1 (en) * | 2016-12-02 | 2018-06-07 | Faraday&Future Inc. | Braking torque blending system and method for automatic emergency braking |
EP3559687A1 (en) * | 2016-12-21 | 2019-10-30 | Volvo Truck Corporation | A battery management system and a method for controlling a battery management system |
EP3538862B2 (en) | 2017-01-17 | 2024-05-22 | Siemens Mobility GmbH | Method for predicting the life expectancy of a component of an observed vehicle and processing unit |
EP3566064B1 (en) | 2017-02-09 | 2020-10-28 | ABB Schweiz AG | State of health estimation for batteries |
IT201700073192A1 (it) | 2017-06-29 | 2018-12-29 | Itt Italia Srl | Dispositivo di calibrazione automatica di una pastiglia per freni |
DE102018206414A1 (de) * | 2018-04-25 | 2019-10-31 | Audi Ag | Verfahren zum Ermitteln einer einen Zustand einer Kraftfahrzeugbatterie betreffenden Größe, Zähler-Einrichtung und Kraftfahrzeug |
US20190377336A1 (en) * | 2018-06-12 | 2019-12-12 | General Motors Llc | Method and system for distributed ledger technology communications for vehicles |
CN109204063B (zh) * | 2018-08-16 | 2021-08-31 | 北京新能源汽车股份有限公司 | 一种动力电池健康状态soh的获取方法、装置及车辆 |
JP6997056B2 (ja) * | 2018-09-03 | 2022-01-17 | 本田技研工業株式会社 | 容量推定システム、容量推定方法、及びプログラム |
DE102018128315A1 (de) * | 2018-11-13 | 2020-05-14 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung, Computerprogramm und Computerprogrammprodukt zur Überprüfung eines ersten adaptiven Systemmodells |
CN109615044A (zh) * | 2018-12-13 | 2019-04-12 | 马山县明锋汽车维修有限公司 | 用于汽车维修的汽车维修监控统计*** |
JP7048519B2 (ja) * | 2019-01-25 | 2022-04-05 | 本田技研工業株式会社 | 二次電池状態検知システム、二次電池状態検知装置および二次電池状態検知方法 |
US11555858B2 (en) * | 2019-02-25 | 2023-01-17 | Toyota Research Institute, Inc. | Systems, methods, and storage media for predicting a discharge profile of a battery pack |
CN109857090B (zh) * | 2019-03-05 | 2020-12-15 | 中南大学 | 一种均衡风缸制动装置健康评估***和方法 |
DE102019217299A1 (de) * | 2019-11-08 | 2021-05-12 | Robert Bosch Gmbh | Verfahren zur Prädiktion eines Alterungszustands einer Batterie |
DE102019219643A1 (de) * | 2019-12-14 | 2021-06-17 | Robert Bosch Gmbh | Verfahren zur Überwachung einer bestimmten Fahrzeugkomponente und System hierzu |
DE102020212282A1 (de) * | 2020-09-29 | 2022-03-31 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zur Parametrisierung eines elektrochemischen Batteriemodells für eine Batterie basierend auf Daten von einer Vielzahl von Batterien |
KR20220050620A (ko) | 2020-10-16 | 2022-04-25 | 현대자동차주식회사 | 차량 제어기의 업데이트 제어 시스템 및 제어 방법 |
DE102021201166A1 (de) | 2021-02-09 | 2022-08-11 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zum Bereitstellen von Betriebsdaten von einer Vielzahl von Geräten |
DE102021206880A1 (de) * | 2021-06-30 | 2023-01-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Vorrichtung zur optimalen Parametrisierung eines Fahrdynamikregelungssystems für Fahrzeuge |
CN113781752B (zh) * | 2021-08-24 | 2023-01-31 | 武汉依迅北斗时空技术股份有限公司 | 刹车片预警方法、装置、电子设备及存储介质 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6546363B1 (en) * | 1994-02-15 | 2003-04-08 | Leroy G. Hagenbuch | Apparatus for tracking and recording vital signs and task-related information of a vehicle to identify operating patterns |
US7705602B2 (en) * | 1997-11-03 | 2010-04-27 | Midtronics, Inc. | Automotive vehicle electrical system diagnostic device |
US6609051B2 (en) | 2001-09-10 | 2003-08-19 | Daimlerchrysler Ag | Method and system for condition monitoring of vehicles |
DE10148214C2 (de) | 2001-09-28 | 2003-07-31 | Daimler Chrysler Ag | Verfahren zur Bereitstellung eines Wartungsalgorithmus |
US6732063B2 (en) * | 2002-02-01 | 2004-05-04 | National Research Council Of Canada | Method of identifying abnormal behavior in a fleet of vehicles |
US7356393B1 (en) * | 2002-11-18 | 2008-04-08 | Turfcentric, Inc. | Integrated system for routine maintenance of mechanized equipment |
US7324902B2 (en) * | 2003-02-18 | 2008-01-29 | General Motors Corporation | Method and apparatus for generalized recursive least-squares process for battery state of charge and state of health |
US20070168217A1 (en) * | 2004-10-06 | 2007-07-19 | The Crawford Group, Inc. | Method And System For Improved User Management Of A Fleet Of Vehicles |
US7349825B1 (en) * | 2006-11-28 | 2008-03-25 | The Boeing Company | System health operations analysis model |
US8890480B2 (en) * | 2006-11-30 | 2014-11-18 | The Boeing Company | Health management of rechargeable batteries |
US20090157461A1 (en) * | 2007-12-12 | 2009-06-18 | Honeywell International Inc. | Vehicle deployment planning system |
US7725275B2 (en) * | 2007-12-15 | 2010-05-25 | Gm Global Technology Operations, Inc. | Telematics-based method and system of battery parasitic load validation for a vehicle fleet |
US20090192728A1 (en) * | 2008-01-30 | 2009-07-30 | Honeywell International Inc. | Apparatus, system, and method for onboard degraded and deadlined mechanical system alerting |
FR2929410B1 (fr) * | 2008-03-28 | 2010-04-09 | Inst Francais Du Petrole | Methode pour estimer les caracteristiques non mesurables d'un systeme electrochimique |
US7877216B2 (en) * | 2008-07-30 | 2011-01-25 | Honeywell International Inc. | Method, system, and apparatus for friction pad wear and brake condition monitoring |
CN101604005B (zh) * | 2009-06-29 | 2011-04-13 | 杭州电子科技大学 | 一种基于组合采样点卡尔曼滤波的电池剩余电量估计方法 |
US20110248678A1 (en) * | 2010-04-13 | 2011-10-13 | GRRREEN, Inc., a Delaware corporation | Intelligent battery management system and method |
WO2011160258A1 (zh) | 2010-06-24 | 2011-12-29 | 松下电器产业株式会社 | 获取电池的劣化度的方法和*** |
-
2012
- 2012-03-29 US US13/433,644 patent/US9058038B2/en active Active
-
2013
- 2013-03-25 DE DE102013205196.4A patent/DE102013205196B4/de active Active
- 2013-03-28 CN CN201310104197.9A patent/CN103364203B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
DE102013205196B4 (de) | 2019-10-24 |
DE102013205196A1 (de) | 2013-10-02 |
US20130262067A1 (en) | 2013-10-03 |
US9058038B2 (en) | 2015-06-16 |
CN103364203A (zh) | 2013-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103364203B (zh) | 协作车辆健康模型 | |
US8849497B2 (en) | Vehicle health prognosis | |
Kambly et al. | Estimating the HVAC energy consumption of plug-in electric vehicles | |
US11525866B2 (en) | Secondary battery management device, secondary battery, and secondary battery management program | |
JP5661976B1 (ja) | 車両予防保守システム | |
JP5819288B2 (ja) | エネルギシステムを監視及び制御するシステム及び方法 | |
US10175709B2 (en) | Consumer electric power control system and consumer electric power control method | |
Roberts et al. | Characterisation of Australian apartment electricity demand and its implications for low-carbon cities | |
CN110889527B (zh) | 一种基于lstm神经网络的电动汽车充电负荷预测方法 | |
CN106779129A (zh) | 一种考虑气象因素的短期电力负荷预测方法 | |
CN107231798A (zh) | 用于监控车辆制动***运行的方法和装置 | |
WO2010024892A1 (en) | State of charge battery measurements using data accumulation | |
CN111191811A (zh) | 集群负荷预测方法、装置及存储介质 | |
EP3591413B1 (en) | Method for evaluating an electric battery state of health | |
CN107918826B (zh) | 一种驾驶环境感知的司机评价与调度方法 | |
CN107330521A (zh) | 无人飞行器状态评估方法及装置 | |
CN104008433A (zh) | 基于贝叶斯动态模型的中长期电力负荷预测方法 | |
CN110045291A (zh) | 一种锂电池容量估计方法 | |
CN103487644A (zh) | 电能分项能耗计量方法和装置 | |
CN114899459A (zh) | 一种用于燃料电池发动机的运维控制方法及装置 | |
Junyou et al. | Application of support vector machine in bus travel time prediction | |
Xing et al. | Operation Energy Consumption Estimation Method of Electric Bus Based on CNN Time Series Prediction | |
Wang et al. | A two‐stage method for bus passenger load prediction using automatic passenger counting data | |
Ma et al. | Integrated traffic and emission simulation: a model calibration approach using aggregate information | |
CN111144628A (zh) | 一种分布式供能的冷热电负荷预测模型***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |