CN109901075A - 用于预测电池寿命的方法 - Google Patents

用于预测电池寿命的方法 Download PDF

Info

Publication number
CN109901075A
CN109901075A CN201811510431.7A CN201811510431A CN109901075A CN 109901075 A CN109901075 A CN 109901075A CN 201811510431 A CN201811510431 A CN 201811510431A CN 109901075 A CN109901075 A CN 109901075A
Authority
CN
China
Prior art keywords
battery
vehicle
threshold value
life
measurement
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.)
Pending
Application number
CN201811510431.7A
Other languages
English (en)
Inventor
潘卡·库马尔
伊马德·哈山·玛基
法克雷丁·兰道尔西
马克·艾菲特
谢达·马利克普尔
大卫·W·林登
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN109901075A publication Critical patent/CN109901075A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L1/00—Supplying electric power to auxiliary equipment of vehicles
    • B60L1/003—Supplying electric power to auxiliary equipment of vehicles to auxiliary motors, e.g. for pumps, compressors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0046—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electric energy storage systems, e.g. batteries or capacitors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/0023—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train
    • B60L3/0061—Detecting, eliminating, remedying or compensating for drive train abnormalities, e.g. failures within the drive train relating to electrical machines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
    • B60L3/12—Recording operating variables ; Monitoring of operating variables
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/10—Electric propulsion with power supplied within the vehicle using propulsion power supplied by engine-driven generators, e.g. generators driven by combustion engines
    • B60L50/16—Electric propulsion with power supplied within the vehicle using propulsion power supplied by engine-driven generators, e.g. generators driven by combustion engines with provision for separate direct mechanical propulsion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L50/00—Electric propulsion with power supplied within the vehicle
    • B60L50/50—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells
    • B60L50/60—Electric propulsion with power supplied within the vehicle using propulsion power supplied by batteries or fuel cells using power supplied by batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/16—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to battery ageing, e.g. to the number of charging cycles or the state of health [SoH]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • B60L58/18—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules
    • B60L58/20—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries of two or more battery modules having different nominal voltages
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • 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
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
    • 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
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/44—Drive Train control parameters related to combustion engines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2250/00—Driver interactions
    • B60L2250/16—Driver interactions by display
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2260/00—Operating Modes
    • B60L2260/40—Control modes
    • B60L2260/50—Control modes by future state prediction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本公开提供了“用于预测电池寿命的方法”。提供了用于可靠地提供对车辆电池的预期寿命的预断的方法和***。基于从感测到的车辆操作参数得到的度量的朝向限定的阈值的收敛速度来预测所述电池的劣化状态，所述阈值是基于所述度量的过去历史而确定。然后，将所述预测到的劣化状态转换成对在部件需要进行维修之前剩余的时间或距离的估计，并显示给车辆驾驶员。可以关于所述预测到的劣化状态来限定车辆控制和通信策略。

Description

用于预测电池寿命的方法
技术领域
本申请涉及在常规的机动车辆、混合动力车辆和电动车辆中执行的用于估计通常被实施来起动车辆并在点火装置关闭时支持电负载的电池的剩余寿命的方法。这种电池在文献中通常被称为起动-照明-点火-电池(或SLI-电池)。本文所述的基本方法还可以应用于基于Li离子或其它技术的混合动力或电动车辆中使用的推进电池。
背景技术和发明内容
车辆发动机包括能量存储装置，诸如铅酸电池，以用于为起动机马达提供动力以及支持电负载瞬变。这种电池在文献中通常被称为SLI电池。推进电池也可以包括在混合动力电动车辆中，以为联接到传动系的马达提供动力。电池随时间的推移而劣化，并且必须进行维修或替换。电池的劣化速率可能受多个参数的影响，这些参数诸如电池使用率、电池寿命、温度条件、电池性质等。
已经开发了各种方法来预测车辆***电池的健康状态。由Uchida在US 8,676,4825中示出了一种示例方法。其中基于车辆的燃料经济性的降低而预测混合动力车辆的电池的健康状况。由Kozlowski等人在US 20030184307中示出了另一种示例方法。其中基于电池充电和放电的频率及其对电池参数(诸如阻抗、电解质状态等)的影响而预测***电池的健康状态。然后就剩余有用循环次数方面来指示电池健康状况。
然而，本发明人已经确定这些方法的各种问题。作为一个示例，可能存在影响电池健康的各种机制，其中一些是相互依赖的，而其它机制是彼此独立的。上面讨论的示例方法可能未考虑到基于车辆工况而影响电池健康状态在不同速率下受影响的不同电池特性。例如，在增加电池腐蚀的状况期间，电池的内阻可能更显著地受到影响，而在增加电池硫酸盐化或损失活性物质的状况期间，电池的总容量可能更显著地受到影响。此外，这些状况中的一些状况的影响可能是可逆的。例如，电池硫酸盐化水平可以提高或降低。此外，一些特性可能更显著地受到温度影响，而其它特性是温度无关的。如果在未考虑到所有这些影响的情况下预测电池寿命终止，那么可能需要比预期的更早地维修功能电池。或者，可能无法适时地将劣化的电池送去维修。在任一情况下，驾驶员满意度可能因电池未起动、造成的移动性损失、影响驾驶性能的降低的电气功能(诸如失去动力转向或电动助力制动器的电动辅助)等而降低。
这些问题在自主车辆中可能进一步被加剧，其中电池(例如，12V SLI电池)在某些操作模式中支持基本操作***和安全关键***。其中如果电池有缺陷或接近其寿命终止，那么可以禁用或缩减车辆的自主功能。突然地禁用自主功能可能导致客户不满和不便，尤其是在无法手动地驾驶车辆的情况下。
在一个示例中，上面问题中的一些可以通过一种用于耦合到车辆的电池的方法来解决，该方法包括：相对于对应的阈值预测从感测到的车辆操作参数得到的多个电池度量的车辆劣化状态，该阈值是基于过去驾驶历史数据而确定，过去驾驶历史数据包括多个电池度量中的每一个的过去历史；以及基于朝向限定寿命终止的阈值的收敛速率而将预测到的劣化状态转换成剩余时间或持续时间以显示给车辆驾驶员。以此方式，可以更准确地预测车辆电池的剩余使用寿命，并且可以以及时的方式将信息传达给车辆驾驶员。
作为示例，车辆***可以包括使用统计和实验方法来预测其寿命终止的电池。基于电池的性质(例如，基于电池的化学组成)，可以识别可被监视以测量电池劣化的多个电池属性(诸如所有电池属性的子集)。此外，可以确定用于在车辆操作期间在线测量选定电池属性的方法，该方法包括：识别所需的电池传感器；对频率进行采样；以及计算信号或度量所需的算法。例如，在铅酸电池的情况下，可以监视至少电池内阻和电池容量，电池内阻是基于在车辆操作期间的电池电压和电流的变化而测量，并且电池容量是基于在低荷电状态下的电池内阻和/或在电池被完全地放电和完全地充电时计算的最小可达到的开路电压(OCV)和最大可达到的开路电压的变化。测量的特性可以归一化为温度和电池荷电状态(SOC)，以解释在给定荷电状态下温度对每个电池特性的不同影响。然后，可以基于统计参数化方法、给定电池的过去历史、车辆驾驶历史、电池维修历史、车队数据等而针对选定电池属性中的每一个离线限定阈值。阈值可以是温度无关的可校准的阈值，也被归一化到预限定的温度和荷电状态(例如，归一化到25℃和100％SOC)。基于测量到的电池属性朝向其相应的阈值的收敛速度，可以预测电池的寿命终止。然后可以将剩余电池寿命作为剩余车辆行驶里程数、剩余车辆起动次数、剩余燃料箱加燃料事件次数等显示给车辆驾驶员。
以此方式，可以在不依赖于计算密集型算法的情况下准确地预测车辆电池的剩余寿命。通过使用在车辆上感测到的数据，与车辆和车队驾驶统计相关联，可以更准确地计算电池的健康状态。例如，可以通过考虑温度影响更好地确定电池的内阻和电容。基于统计、机器学习和凭经验的方法而限定每个电池特性的阈值并基于每个电池特性朝向对应的阈值的轨迹而估计电池寿命终止的技术效果是可考虑到电池劣化的不同机制。例如，可考虑到因腐蚀效应造成的电池劣化与因硫酸盐化效应造成的电池劣化不同，并且可以更可靠地计算整体电池健康状况。通过在需要部件维修之前将感测到的健康状态转换成对车辆操作的剩余时间或持续时间的估计，可以更好地向车辆驾驶员通知部件的状况。因此，可以确保及时部件维修，从而改进车辆性能。另外，在电池特性受操作驾驶行为的影响的情况下，及时通知可以使得驾驶员能够调整其驾驶行为以延长电池寿命。通过经由对统计特征的递归估计来预测车辆部件的剩余寿命，可以用较低的计算强度来预测部件的剩余寿命，而不折损预测的准确性。这使得能够提供裕度，以更好地确保在估计的剩余寿命内部件的健康操作。预断特征可以提供电池的剩余寿命的早期指示，以帮助客户提前计划维护并避免组件故障。另外，在线估计的方便性可以在易于实现的包中提供。
应理解，以上发明内容提供用于以简化的形式介绍在具体实施方式中进一步描述的一些概念的选择。这并不意味着识别所要求保护的主题的关键或必要特征，其范围由详细描述之后的权利要求唯一地限定。此外，所要求保护的主题并不限于解决以上或本公开的任何部分中指出的任何缺点的实现方式。
附图说明
图1A示意性地示出了车辆低电压电源的示例实施例。
图1B示出了电源***的示例实施例，该电源***包括具有单个铅酸电池和相关联的电池监视传感器的常规的基于12V的交流发电机。
图2示出了车辆电池的示例寿命终止估计曲线。
图3示出了使用感测到的数据和统计估计来执行车辆电池的预断和诊断的高级流程图。
图4示出了可用于预测车辆电池的剩余寿命的示例方法的高级流程图。
图5示出了在电池寿命终止预测期间针对电池电阻的EOL阈值的示例调整。
图6示出了对电池特性朝向其阈值的收敛速度的示例确定。
图7示出了可用于基于车辆性能度量而更新EOL阈值的示例方法的高级流程图。
图8示出了可在电池寿命终止预测期间实现的示例中间EOL阈值。
图9示出了示例性方法的高级流程图，该可用于更新向车辆驾驶员提供通知并在超过中间EOL阈值时限制自主车辆功能。
图10示出了在电池寿命终止预测期间对电池容量的EOL阈值的示例调整。
图11示出了可用于响应于超过中间EOL阈值而更新电池荷电电压的示例方法的高级流程图。
图12示出了可用于数据处理和阈值计算的示例预断-诊断架构。
图13示出了用于故障电池的示例通信策略。
图14示出了用于故障电池的通用通信策略。
图15示出了用于自主车辆的示例模式限制控制策略。
图16示出了使用电池的EOL标准限制车辆的电致动防侧倾控制功能的控制策略。
具体实施方式
以下描述涉及用于预测车辆***的电池的剩余寿命的***和方法，诸如包括图1B的电池架构的图1A的示例车辆***。车载控制器可以被配置为执行控制程序，诸如图3至图4的示例程序，以使用统计和测量数据来预测车辆电池的剩余寿命。控制器可以将估计的电池特性与对应的阈值进行比较，如图2所示。此外，控制器可以估计估计的电池特性向对应的阈值的收敛速度，如图6所示，以预测电池的寿命终止。可以基于从给定车辆接收到的数据以及其它车辆数据而校准阈值，如图5、图7、图10和图12所解释。另外，可以选择在EOL之前的多个中间阈值。可以发送各种通知，并且可以在超过每个中间阈值时进行控制动作，如图8至图9、图11和图13至图16所解释。以此方式，可以更好地确保定期电池维修，并且可以减少电池保修问题。
图1A示出了内燃发动机10的燃烧室或气缸的示例。发动机10可以联接在用于路上行驶的推进***(诸如车辆***5)中。在一个示例中，车辆***5可以是混合动力电动车辆***。
发动机10可以至少部分地由包括控制器12的控制***和经由输入装置132从车辆驾驶员130的输入控制。在该示例中，输入装置132包括加速器踏板和踏板位置传感器134，以用于产生比例踏板位置信号PP。发动机10的气缸(本文也称为“燃烧室”)14可以包括燃烧室壁136，活塞138位于其中。活塞138可以联接到曲轴140，使得活塞的往复运动变换成曲轴的旋转运动。曲轴140可以经由变速器***联接到乘用车辆的至少一个驱动轮。此外，起动机马达(未示出)可以经由飞轮联接到曲轴140，以实现发动机10的起动操作。
气缸14可以经由一系列进气道142、144和146接收进气。经由进气道142接收的空气可以在空气移动进入空气道144、146之前经由空气滤清器135过滤。除了气缸14之外，进气道146还可以与发动机10的其它气缸连通。在一些示例中，一个或多个进气道可以包括增压装置，诸如涡轮增压器或机械增压器。例如，图1A示出了被配置有涡轮增压器的发动机10，涡轮增压器包括布置在进气道142和144之间的压缩机174，以及沿着排气道148布置的排气涡轮176。压缩机174可以经由轴180至少部分地由排气涡轮176提供动力，其中增压装置被配置为涡轮增压器。然而，在其它示例中，诸如在发动机10设有机械增压器的情况下，可以任选地省略排气涡轮176，其中压缩机174可以由来自马达或发动机的机械输入提供动力。包括节流板164的节气门162可以沿着发动机的进气道设置，以改变提供到发动机气缸的进气的流率和/或压力。例如，节气门162可以定位在压缩机174的下游，如图1A所示，或可选地，可以提供在压缩机174的上游。
除了气缸14之外，排气道148还可以接收来自发动机10的其它气缸的排气。排气传感器128示出为联接到在排放控制装置178的上游的排气道148。传感器128可以从各种合适的传感器中选择，以用于提供排气空燃比的指示，各种合适的传感器诸如线性氧传感器或UEGO(通用或宽范围排气氧)、双态氧传感器或EGO(如所示出)、HEGO(加热的EGO)、NOx、HC或CO传感器。排放控制装置178可以是三元催化剂(TWC)、NOx捕集器、各种其它排放控制装置或其组合。
发动机10的每个气缸可以包括一个或多个进气门和一个或多个排气门。例如，气缸14示出为包括位于气缸14的上部区域的至少一个进气提升阀150和至少一个排气提升阀156。在一些示例中，发动机10的每个气缸(包括气缸14)可以包括位于气缸的上部区域的至少两个进气提升阀和至少两个排气提升阀。
进气门150可以由控制器12经由致动器152控制。类似地，排气门156可以由控制器12经由致动器154控制。在一些情况下，控制器12可以改变提供到致动器152和154的信号，以控制相应的进气门和排气门的打开和关闭。进气门150和排气门156的位置可以由相应的气门位置传感器(未示出)确定。气门致动器可以是电动气门致动型或凸轮致动型，或其组合。可以同时地控制进气门和排气门正时，或者可以使用可变进气凸轮正时、可变排气凸轮正时、双独立可变凸轮正时或固定凸轮正时的任何可能性。每个凸轮致动***可以包括一个或多个凸轮，并且可以利用可由控制器12操作以改变气门操作的凸轮轮廓变换(CPS)、可变凸轮正时(VCT)、可变气门正时(VVT)和/或可变气门升程(VVL)***中的一个或多个。例如，气缸14可以可选地包括经由电动气门致动控制的进气门和经由包括CPS和/或VCT的凸轮致动控制的排气门。在其它示例中，进气门和排气门可以由共同的气门致动器或致动***、或可变气门正时致动器或致动***控制。
气缸14可以具有压缩比，该压缩比是活塞138在底部中心到顶部中心时的容积比。在一个示例中，压缩比在9:1至10:1的范围内。然而，在使用不同燃料的一些示例中，可以增加压缩比。例如，当使用辛烷值较高的燃料或具有较高的潜在蒸发焓的燃料时，可能发生这种情况。如果由于其对发动机爆震的影响而使用直接喷射，那么压缩比也可能会增加。
在一些示例中，发动机10的每个气缸可以包括用于发起燃烧的火花塞192。在选择的操作模式下，点火***190可以响应于来自控制器12的火花提前信号SA而经由火花塞192向燃烧室14提供点火火花。然而，在一些实施例中，可以省略火花塞192，诸如在发动机10可以通过自动点火或通过喷射燃料来发起燃烧的情况下，如某些柴油发动机的情况。
在一些示例中，发动机10的每个气缸可以被配置有一个或多个燃料喷射器，以用于向其提供燃料。作为非限制性示例，示出了气缸14包括两个燃料喷射器166和170。燃料喷射器166和170可以被配置为输送从燃料***8接收的燃料。燃料***8可以包括一个或多个燃料箱、燃料泵和燃料轨。燃料喷射器166示出为直接地联接到气缸14，以用于与经由电子驱动器168从控制器12接收的信号FPW-1的脉冲宽度成比例地在其中直接地喷射燃料。以此方式，燃料喷射器166将所谓的直接喷射(以下称为“DI”)的燃料提供到燃烧气缸14中。虽然图1A示出了定位到气缸14的一侧的喷射器166，但是它可以可选位于活塞的顶部，诸如靠近火花塞192的位置。由于一些基于醇的燃料的较低挥发性，当使用基于醇的燃料操作发动机时，这样的位置可以改进混合和燃烧。或者，喷射器可以位于进气门的顶部并靠近进气门以改进混合。燃料可以经由高压燃料泵和燃料轨从燃料***8的燃料箱输送到燃料喷射器166。此外，燃料箱可以具有向控制器12提供信号的压力传感器。
燃料喷射器170示出为布置在进气道146中而不是在气缸14中，其配置为将所谓的燃料进气道喷射(下文被称为“PFI”)提供到在气缸14的上游的进气道中。燃料喷射器170可以与从控制器12经由电子驱动器171接收的信号FPW-2的脉冲宽度成比例地喷射从燃料***8接收的燃料。注意，单个驱动器168或171可以用于两个燃料喷射***，或者可以使用多个驱动器，例如用于燃料喷射器166的驱动器168和用于燃料喷射器170的驱动器171，如图所示。
在替代示例中，燃料喷射器166和170中的每一个可以被配置为直接燃料喷射器，以用于将燃料直接地喷射到气缸14中。在又一个示例中，燃料喷射器166和170中的每一个可以被配置为进气道燃料喷射器，以用于在进气门150的上游喷射燃料。在其它示例中，气缸14可以仅包括单个燃料喷射器，该燃料喷射器被配置为以不同的相对量从燃料***接收不同的燃料作为燃料混合物，并且还被配置为作为直接燃料喷射器将该燃料混合物直接地喷射到气缸中或作为进气道燃料喷射器将该燃料混合物直接地喷射到进气门的上游。因此，应了解，本文所述的燃料***不应受本文通过示例描述的特定燃料喷射器配置的限制。
在气缸的单个循环期间，燃料可以通过两个喷射器来输送到气缸。例如，每个喷射器可以输送在气缸14中燃烧的总燃料喷射的一部分。此外，从每个喷射器输送的燃料的分布和/或相对量可以随工况(诸如发动机负载、爆震和排气温度)而变化，诸如下文所述。进气道喷射的燃料可在打开的进气门事件、关闭的进气门事件(例如，基本上在进气冲程之前)期间以及在打开和关闭的进气门操作期间输送。类似地，例如，直接地喷射的燃料可以在进气冲程期间输送，也可以部分地在先前的排气冲程期间、在进气冲程期间输送，并且部分地在压缩冲程期间输送。因此，即使对于单个燃烧事件，也可以在不同的正时从进气道和直接喷射器喷射喷射的燃料。此外，对于单个燃烧事件，可以每一循环执行输送的燃料的多次喷射。可以在压缩冲程、进气冲程或其任何适当的组合期间执行多次喷射。
燃料喷射器166和170可以具有不同的特性。这些包括大小差异，例如，一个喷射器可能具有比另一个更大的喷射孔。其它差异包括但不限于不同的喷洒角度、不同的操作温度、不同的瞄准、不同的喷射时间、不同的喷洒特性、不同的位置等。此外，根据喷射器170和166之间喷射的燃料的分配比率，可以实现不同效果。
燃料***8中的燃料箱可以容纳不同的燃料类型的燃料，例如具有不同的燃料质量和不同的燃料成分的燃料。差异可以包括不同的醇含量、不同的水含量、不同的辛烷值、不同的汽化热、不同的燃料混合物和/或其组合等。具有不同的汽化热的燃料的一个示例可以包括汽油作为具有较低汽化热的第一燃料类型，并且包括乙醇作为具有较高汽化热的第二燃料类型。在另一个示例中，发动机可以使用汽油作为第一燃料类型，并且使用含醇的燃料混合物，诸如E85(其为约85％乙醇和15％汽油)或M85(其为约85％甲醇和15％汽油)作为第二燃料类型。其它可行的物质包括水、甲醇、醇和水的混合物、水和甲醇的混合物、醇的混合物等。
在又一个示例中，两种燃料可以是具有不同的醇组成的醇混合物，其中第一燃料类型可以是具有较低醇浓度的汽油醇混合物，诸如E10(其为约10％乙醇)，而第二燃料类型可以是具有较高醇浓度的汽油醇混合物，诸如E85(其为约85％乙醇)。另外，第一燃料和第二燃料在其它燃料质量方面也可能不同，诸如温度、粘度、辛烷值等的差异。此外，一个或两个燃料箱的燃料特性可能频繁地变化，例如，由于每日在箱加燃料方面的变化。
控制器12在图1A中被示出为微计算机，其包括微处理器单元106、输入/输出端口108、用于可执行程序和校准值的电子存储介质(在该特定示例中被示出为非暂时性只读存储器芯片110，以用于存储可执行指令)、随机存取存储器112，保活存储器114和数据总线。除了先前讨论的那些信号之外，控制器12还可以从联接到发动机10的传感器接收各种信号，包括对来自质量空气流量传感器122的进气质量空气流量(MAF)的测量；来自BP传感器137的大气压力；来自联接到冷却套管118的温度传感器116的发动机冷却剂温度(ECT)；来自联接到曲轴140的霍尔效应传感器120(或其它类型)的表面点火拾取信号(PIP)；来自节气门位置传感器的节气门位置(TP)；以及来自传感器124的绝对歧管压力信号(MAP)。发动机转速信号RPM可以由控制器12从信号PIP产生。来自歧管压力传感器的歧管压力信号MAP可以用于提供进气歧管中的真空或压力的指示。控制器12接收来自图1A的各种传感器的信号，并且采用图1A的各种致动器来基于接收到的信号和存储在控制器的存储器上的指令而调整发动机操作。例如，基于由控制器命令到联接到直接喷射器的驱动器的脉冲宽度信号，燃料脉冲可以从直接喷射器输送到对应的气缸中。参考图3和图4示出了可由控制器执行的示例程序。
如上所述，图1A仅示出了多缸发动机的一个气缸。这样，每个气缸可以类似地包括其自己的一组进气/排气门、燃料喷射器、火花塞等。将理解，发动机10可以包括任何合适的数量的气缸，包括2、3、4、5、6、8、10、12或更多个气缸。此外，这些气缸中的每一个可以包括参考气缸14通过图1A描述和示出的各种部件中的一些或全部。
在一些示例中，车辆5可以是混合动力车辆，具有可用于一个或多个车轮55的多个扭矩源。在其它示例中，车辆5是仅具有发动机的传统车辆，或仅具有电机的电动车辆。在所示的示例中，车辆5包括发动机10和电机52。电机52可以是马达或马达/发电机。当一个或多个离合器56接合时，发动机10的曲轴140和电机52经由变速器54连接到车轮55。在所示的示例中，第一离合器56设在曲轴140与电机52之间，并且第二离合器56设在电机52与变速器54之间。控制器12可以向每个离合器56的致动器发送信号以接合或脱开离合器，以便将曲轴140与电机52和与其连接的部件连接或断开，和/或将电机52与变速器54和与其连接的部件连接或断开。变速器54可以是变速箱、行星齿轮***或其它类型的变速器。动力传动***可以以各种方式配置，包括并联、串联或串并联混合动力车辆。
电机52从牵引电池58接收电力以向车轮55提供扭矩。电机52还可以作为发电机操作，以提供电力来对电池58充电，例如在制动操作期间。
在一些示例中，电池管理***(BMS)可以存在于车辆上，其中BMS电耦合且热耦合到电池并与车辆控制器通信。电池监视传感器(BMS)监视并计算实际电池状况(荷电状态(SOC)、健康状态(SOH)和功能状态(SOF))。它由硬件和软件组成。硬件包括单芯片解决方案，以用于测量电池电压、电池电流和温度。这些输入用于计算实际电池状态。BMS获悉所连接的电池的随时间的电池状态并将实际电池状态保持在RAM中，并且周期性地将获悉和调适的电池参数保存到非易失性存储器(NVM)中。
电池58还可以用于各种发动机操作相关功能。例如，电池58可以联接到起动机马达(未示出)，该起动机马达用于在发动机起动期间起动发动机。电池58可以用Li离子技术实现。本文所述的用于预测寿命终止的方法以及相关联的控制和通信策略可以适于这种类型的推进电池以及除了铅酸电池中使用的化学物质以外的化学物质。电池监视传感器(BMS)184可以联接到电池58，以用于估计与电池的劣化状态相关联的一个或多个状况。基于来自BMS 184的输入，控制器12可以计算电池的推断的寿命终止，如图3至图4中详述的。
在替代实施例中，诸如在车辆是常规的加注汽油的发动机的情况下，发动机***可以包括电气架构，诸如图1B的示例架构。图1B的电气***示出了联接到单个铅酸电池188的常规的基于12V的交流发电机186。电池可以用于为一个或多个常规的12V电负载182(诸如电动助力转向***(EPAS)、电动助力制动器、防侧倾控制等)供电。电池188可以联接到电池监视传感器(BMS)184。如本文详述的，可以经由BMS推断电池的劣化状态。另外，可以基于从BMS接收的数据而计算电池寿命终止。将理解，在一些示例中，图1A的车辆***中也可以包括图1B的***。
电池可能需要周期性地进行维修和诊断。此外，基于其维修或劣化历史，电池的剩余寿命可能有所不同。由于对电池的寿命终止(EOL)的错误估计，可能发生意外的电池故障。例如，如果电池健康监视器不准确，那么可以预测电池的EOL晚于实际发生的情况。这可能会导致客户因失去移动性(诸如当车辆或发动机未起动时)以及影响驾驶性能的降低的电气功能(诸如当失去EPAS的辅助时)而不满。如果可以准确地预测电池的使用寿命，那么可以在发生故障之前替换电池。这在其中中央控制器协调各种车辆***以最小化电力需求的车辆***的情况下可能是特别有利的。例如，在自主车辆***的情况下，在车辆驾驶员与车辆控制器之间存在有限交互的情况下，仅在由电池供应的冗余电源可用的情况下，才可以选择性地激活自主功能性。如果识别出劣化的电池，或者如果预测电池的寿命终止在短的预限定时间段内发生，那么可以禁用或缩减自主功能性。例如，电池低电压状况可以使电动助力转向***降低其提供的转向助力，或停用非安全关键的电气功能。其它电池相关问题可以包括过量电池析气，这可能导致在车辆操作期间将产生令人不快的气味，以及在车库中充电的插电式车辆的情况下在车库中产生令人不快的气味。
除了与电池的寿命终止的错误预测相关联的问题其中预测EOL晚于其实际发生的时间发生)之外，可能还有与电池的寿命终止的错误预测相关联的其它问题(其中预测EOL早于其实际发生的时间发生)。例如，车载电池健康监视器可能会使客户在他们被提醒电池有缺陷的情况下感到恼人，当车辆进行维修时，该有缺陷的电池就会变得健康。
发明人在此已认识到，当前电池健康监视方法可以仅评估电池特性，诸如电压响应或内阻。然而，基于电池的使用历史、温度限制以及与电池的化学性质相关联的问题，电池可能因多种原因而故障。例如，铅酸电池可能因腐蚀、硫酸盐化、活性质量损失等而劣化。通过使用评估与电池劣化相关联的多个电池特性的EOL预测方法，如参考图3至图4的程序详述的，提高了EOL预测的可靠性。此外，通过依赖于多个并行路径来进行故障预测，扩展可检测到的故障机制的范围。此外，还可以考虑到不同特性的相互作用(诸如腐蚀速率对电池的硫酸盐化速率的影响，反之亦然，硫酸盐化速率对电池的腐蚀速率的影响)。车辆中的电池的性能是多种特性的函数。如果仅针对每个特性来限定寿命终止而不考虑其它特性，那么可能过度估计寿命终止的结束时间，因为多个特性中的小幅劣化可能导致总电池性能的显著降低。例如，将电池的内阻加倍可能造成车辆因起动机处的低电压而无法起动。将电池容量减半还可能造成车辆因点火开关关闭负载的耗尽而无法起动。然而，仅将内阻增加50％并将容量减小25％也可能会妨碍车辆起动。因此，关于多个电池特性来限定寿命终止是有益的，如图6所示。
例如，控制器可以识别可测量的影响电池健康状况的一个或多个电池特性。控制器将与在车辆操作期间收集的关于那些特性的数据与对应的阈值进行比较。如参考图3至图4详述的，车辆控制器可以基于电池历史以及从各种源收集的统计数据(诸如车队数据、经销商车辆数据、保修实验室数据等)而限定阈值。控制器可以被配置为使用估计测量到的数据向限定的阈值的收敛速率的算法，并且使用估计的速率、还有电池的劣化行为的先前历史、与电池相关的参数的感测到的数据，以及基于映射的车辆驾驶统计(诸如实时车辆驾驶统计，或在当前车辆驾驶循环内编译的那些)，来进行关于电池的剩余寿命的统计预测。然后，控制器可以向车辆驾驶员提供关于电池寿命的有意义的信息，诸如以距进行维修的距离或距进行维修的时间估计的形式。因此，可以经由在车辆中在线运行的方法来估计电池的预期剩余寿命，并且其准确性可以通过使用从道路中的车辆车队和在维修时替换的电池获得的电池数据进行周期性参数自适应来增强。
以此方式，图1A至图1B的部件实现车辆***，该车辆***包括：由发动机驱动的交流发电机；电池，用于测量电池电压和电流的传感器；以及控制器。控制器可以被配置有存储在非暂时性存储器上的用于进行以下操作的计算机可读指令：基于容量和内阻的变化而预测电池的劣化状态。
图2示出了可由车辆控制器用来监视车辆电池(诸如铅酸电池)的寿命终止的示例性映射图200。在图2中应用的方法可以表示图3的方法的最小解决方案实施方式，其仅依赖于铅酸电池的多个可测量特征中的2个，但是将了解，该方法可以扩展为包括附加特性。
在图2的示例中，监视电池内阻(R)和电池容量(Q)。电池电阻被限定为在起动转动或其它事件期间测量的造成显著电压和电流瞬变的电压变化与电流变化的比率。另一方面，电池容量被限定为其在额定放电电流和温度下可输送以使得电池端子电压高于限定的阈值的电荷量。电池的起动能力可能因腐蚀而降低，这典型地表现为内阻的增加或冷起动转动电流的减少。类似地，如果电池变得硫酸盐化或经历活性质量损失(这两者都可表现为容量损失)，那么电池可能失去充电能力。因此，通过监视内阻和总容量的变化，可以监视电池的健康状况。随着电池老化，预期电池的电阻增加，而容量预期减少。
映射图200示出了接收关于电池的内阻204的输入BSBattRiTNom的算法202，其在100％电池SOC和25℃下归一化。算法202可以存储在车辆控制器的存储器中，诸如存储在电池管理模块中。算法202还接收关于电池的容量206的输入BSBattQCapAhTNom，其在100％电池SOC和25℃下归一化。归一化容量表示当在I20的标称电流下从100％电池SOC放电时可以在25℃下从电池去除的电荷量。I20被限定为通过将标称容量除以20而获得的电流幅值。在一个示例中，可以从车辆上的电池管理***(BMS)接收数据，BMS联接到电池并且通信地耦合到车辆控制器。BMS测量电流、电压并还可以测量电池端子温度。它可以使用诸如等效电路模型的内置模型来推断因硫酸盐化和活性质量的损失而造成的电池SOC、容量和容量损失。可以在特定情况期间收集数据以估计特定电池特性。例如，当在电流随时间而变化(该变化大于阈值)的情况下发生放电时，可以仅估计内阻，并且当在不进行最小时间量的充电和放电的情况下已经将电池充满电并允许其休息时，可以仅计算因硫酸盐化而造成的容量损失。可以采用合理性策略，其仅在测量发生多次之后传输对电池特性的估计，或可以传输在限定的移动时间范围内的估计的平均值。一些电池监视传感器可以使用扩展的卡尔曼滤波器来从电池特性的估计中去除异常值并提供稳定值。
归一化的内阻204和归一化的容量206被绘制在映射图210上，以确定映射图210上的电池的当前位置。此外，确定电阻和容量阈值以识别映射图210的其中电池处于可用健康状态的区域(例如，其中电池健康监视器质量通过的地方)。例如，控制器可以在映射图210上限定区域212，区域212由电阻阈值214(R0)和容量阈值216(Q0)界定。如图3详述，阈值可以基于各种因素来确定，包括感测数据、统计数据、电池维修历史、车辆驾驶历史、从车队中的其它车辆中检索到的数据、经销商处的其它车辆等。在所示的示例中，基于数据，确定电池健康状态在区域212内，在位置218处，在距电阻阈值214的距离220处，以及在距容量阈值216的距离222处。
林外基于感测到的和统计数据，并且经由图3中讨论的算法，控制器可以估计每个参数向对应的阈值的收敛速度，诸如内阻从位置218朝向电阻阈值214变化的速度，以及内部容量从位置218朝向容量阈值216变化的速度。基于估计的收敛位置和速度，算法可以确定电池健康状态224，包括电池监视器是否已经通过或失败(例如，电池是否将造成车辆起动或不起动)以及剩余电池寿命(例如，预测到的寿命终止估计)。然后将估计的电池健康状态显示给车辆驾驶员。
将了解，虽然图2示出了作为硫酸盐化和活性质量损失的函数监视的电池容量，在另外示例中，可以使用附加信号来监视与因活性质量损失而造成的容量损失不同的因硫酸盐化而造成的容量损失。这是因为硫酸盐化的影响可以逆转。此外，虽然R0和Q0在本文中被示出为被归一化为预限定的温度和荷电状态的与温度无关的可校准阈值，在其它示例中，电池特性的阈值可以是与温度无关的。现在转向图3，示出了用于预测车辆电池的寿命终止(EOL)的示例方法300。用于执行方法300和本文包括的其余方法的指令可以由控制器基于存储在控制器的存储器上的指令并结合从电池监视传感器接收的信号来执行，如图1A至图1B所示。根据下面描述的方法，控制器可以采用车辆***和发动机***的致动器来诊断电池健康状态。该方法使得能够在车辆行驶的持续时间内从在车辆***中进行安装时的度量的初始值基于与车辆电池相关联的度量的值的变化率而预测车辆电池的劣化状态。该预测还基于车辆在持续时间内行驶的距离，该度量是得自感测到的车辆操作参数。该方法还使得能够将预测到的劣化状态转换成在车辆电池需要维修(或替换)之前剩余的时间或持续时间的估计以显示给车辆驾驶员。该方法包括基于学习的高级方法，其可应用于所有类型的汽车电池，包括铅酸和锂离子电池。等效电路参数以固定间隔被定期地识别，并且假设明确地根据电池温度和荷电状态(SOC)。在所示的方法中，两个通用性能度量被应用于电池诊断/预断。它们是使用与替换的电池和导致车辆故障的电池相关联的统计来计算。度量用于调适每个电池特征的限定寿命终止(EOL)的阈值。在已经调适阈值之后，使用性能度量来确定自适应是否足够。由于已经在足够长的时间内估计代表性数量的电池之后，电池统计仅收敛到稳定值，因此监视时段与每个度量相关联。一旦已经至少在相关监视时段内估计度量，它就可以用于量化***性能并计算对EOL阈值的进一步自适应。也可以应用用于测量***性能和促进参数自适应的其它度量。随着对电池诊断/预断***的新的要求的出现，本文所述的那些可以用作新的度量的原型。
在302处，该方法包括针对电池EOL预测选择一个或多个电池特性(来自多个可能的电池特性)。特性可以包括可用于测量电池劣化的电池属性。可以基于电池的性质或配置、在车辆上可用于EOL预测的计算能力和EOL预测的时间约束而选择特性。作为示例，当电池是铅酸电池时，选定特性可以包括电池的最小内阻和最小容量。如果用于估计的附加计算能力或时间可用，那么可以添加附加铅酸电池特性，诸如不同于电池的有效质量损失的电池硫酸盐化水平。作为另一个示例，当电池是锂离子电池时，选定特性可以包括由嵌入模型估计的电池阻抗或Li离子电荷浓度。还可以将附加特性添加到预测算法以包括附加故障机制。例如，随着新颖的电池技术的出现，和/或随着先前未知的用于现有电池的劣化机制被发现，可以选择附加特性。换句话说，预测算法可以不限于仅使用诸如内阻和容量的两个特征。随着关于电池寿命终止的更多信息被收集并随着现有技术的变化，可以添加附加特征。例如，可以添加附加功能以包括新的电池监视技术、新的电池传感器以及将电池特征与电池寿命终止相关的新的信息。
通过增加特征数量，当计算能力不是约束时，可以提高EOL预测的准确性。可扩展预测的附加特征可以包括例如电池析气率(例如，以每一小时H2克数计)。当过充电时，铅酸电池释放出氧和氢。可能的是电池具有足够的容量来起动插电式车辆，但是当其插电时仍然在车库中发生大量析气。作为另一个示例，可以结合电池失水率(以克/分钟失水计)。铅酸电池释放出氧和氢，并且当过充电时，经历失水。当电池的水位变得过低时，可能因容量减小和内阻变高而发生故障。作为又一个示例，可以评估内部短路的发生(诸如经由设定标记)。内部短路被表征为在车辆的电源关闭后电池的开路电压的严重下降。该症状可能伴随对应于电池电压和平均放电电流的高内阻。作为又一个示例，可以表征因硫酸盐化而造成的容量损失(例如，就因硫酸盐化而造成的Ah的容量损失而言)。硫酸盐化是导致电池容量减少和电压水平相对于荷电状态下降的过程。通过在一段持续时间内以高电压充电，它在一定程度上是可逆转的。
作为又一个示例，可以表征活性质量损失(例如，就因活性物质损失而造成的Ah的容量损失而言)。活性质量损失造成电池容量减少。作为另一个示例，可以表征电池维修时间(例如，就以小时表达的行驶车辆的电池时间而言)。特定车辆中的电池的预期寿命的统计分布可以用于预测距寿命终止的距离。可以通过使用在特定区域中操作的特定车辆的统计以限定随车辆使用而变化的寿命终止来改进预测。例如，比起冷气候条件，由于在温暖/炎热环境中的腐蚀和失水，相同电池可能更快地劣化。作为又一个示例，可以表征相对于放电深度加权的荷电吞吐量(例如，就Ah的电池容量损失而言)。可以相对于电池放电深度对荷电吞吐量进行加权并随时间而进行积分以估计限定为电池容量损失的老化。
选择特性还可以包括选择测量特性的方法、采样频率、识别从收集到的数据计算信号或度量所需的一个或多个算法，以及所需的计算能力和时间。例如，如果发现许多电池因缺水而发生故障，那么可以实施测量失水的新的先进算法或甚至是失水传感器。另一方面，如果许多电池因栅格腐蚀而发生故障，那么可以实施等效电路模型以跟踪腐蚀。正电极中的腐蚀程度与标准Randle等效电路模型中的RC对的电阻和电容的值的变化相关。RC对与落在限定的范围内的时间常数相关联。可以选择电压和电流测量的采样周期以充分地对用于估计RC对的值的算法的那些值进行采样。然后，这些值将用于跟踪腐蚀。
将了解，可以周期性地评估电池，诸如基于自从上次评估电池以来经过的车辆行驶时间或距离。在其它示例中，对用于评估电池的特性的选择可以基于从驾驶员接收到的主动请求。这可能是对定期评估的补充或独立于定期评估。例如，驾驶员可以在开始计划的行驶路线之前请求对***电池的预断。
在304处，该方法包括在车辆操作期间在线测量选定特性。例如，可以经由一个或多个电池传感器以确定的采样频率测量选定特性。例如，可以使用基于霍尔或基于分流的电流测量和电压传感器以大于1kHz的采样频率来测量电池的内阻。作为另一个示例，因硫酸盐化而造成的电池容量损失可以在电池被充满电之后以单次电压测量来测量，并且在不进行充电或放电的情况下已经被允许休息数个小时。充满电的电池的开路电压随着其老化而发生的变化是因硫酸盐化而造成的容量损失的度量。作为另一个示例，可以基于电压弛豫的程度而识别内部短路(以及短路的严重性)。在306处，该方法包括将收集到的数据归一化以获得温度和荷电状态。例如，数据可以归一化为25℃和100％SOC。以此方式，在车辆上感测到的数据可以用于确定电池的健康状态。例如，在确定的度量是电池电阻和电池容量中的一个或多个的情况下，感测到的车辆操作参数可以包括电池电流和电池电压中的一个或多个。在一些示例中，在感测到与电池劣化相关联的一个或多个参数之后，控制器可以将在程序的当前迭代上的感测到的数据与在程序的先前迭代上感测到的数据进行比较，以实时地更新电池的劣化速率(从基本速率)。例如，控制器可以基于从感测到的车辆操作参数得到的确定的度量(包括确定的度量的过去历史)而预测车辆电池的劣化状态。
在308处，该方法包括限定每个选定电池特性的阈值。这些是限定电池EOL的度量的阈值。EOL阈值可以从一个或多个源确定，包括电池专家、将特征要求级联到电池要求的车辆电气要求、描述特征的一组固定老化电池数据，以及迭代地在线监视来自在经销商处替换的寿命终止电池的特征数据。作为一个示例，在给定具有容量C新的初始充满电的电池的情况下，可能需要在停放30天之后能够起动车辆。在30天之后，点火开关关闭负载消耗已知的电池电量(CKOL)。当容量减小使得C<C新-CKOL时，确定发生寿命终止。例如，当容量损失是唯一恶化的电池特性时，可以在电池容量从其新的值减少30％时限定寿命终止。冷电池起动车辆的能力可能受高内阻的妨碍。如果内阻从新的值增加75％，那么可以识别寿命终止，或者如果其达到诸如9毫欧的值，那么可以识别寿命终止。
图5示出了在EOL预测期间使用电池特征的统计表示来限定对应的阈值的示例。在映射图500中，示出了由经销商替换的电池的归一化的内阻的统计分布。控制器可以基于保修和客户满意度模型而选择阈值(虚线箭头)以对应于群体的限定的百分比。例如，对应于在经销商处替换的电池的10％的电阻可以用于识别寿命终止。在这种情况下，可以替换实际上仍然具有一定使用寿命的许多电池，但是因有缺陷的电池而无法起动的客户车辆的数量将很小。另一方面，对应于在经销商处替换的电池的90％的电阻将高于10％的电阻。选择该值将会导致造成允许一些电池继续在车辆中服务，即使它们可能发生故障，并且因此，因有缺陷的电池而抛锚的车辆的数量可能增加。然而，保修成本可能降低，因为仍然能够保持服务的电池不会被不必要地替换。被调整的EOL阈值在映射图510和520处示出，并且稍后参考图7的EOL阈值更新程序进行描述。
返回图3，还可以实施用于模式识别的机器学***的每个分类的相关联的概率的情况下，监督学***为90％”。
可能存在不同类别的用于阈值计算的监督学习算法。例如，可能存在线性、二次或依赖于最大熵计算的参数算法。作为另一个示例，可以存在非参数算法，诸如使用神经网络或支持向量机的那些。因此，这些算法中的任何算法都可以用于计算限定寿命终止的阈值。例如，可以使用线性判别分析类型的线性参数算法。
如果发现阈值和校准参数不能提供预测的目标准确度要求，那么也可以更新阈值和校准参数。在一个示例中，如果电池技术或车辆电气***技术的变化改变电池或电池故障模式的特征，那么可能发生这种情况。高级架构可以使用来自大型中央数据库(例如，云)的数据作为更新的阈值和校准参数的源。
为了自适应地优化诊断/预断***的参数，必须具有适当的基础设施，以促成测量在车辆中替换或故障的电池的特性。分析测量，并且算法可以使用性能度量来重新计算限定寿命终止的阈值。
将理解，算法可以在云中或在没有连续的数据流的情况下在手持装置上运行。
该架构的各种实施方式都是可能的。第一示例在图12的实施例1200处示出了这样的架构。实施例1200示出了该架构的一般形式，其中电池特性由车辆外部的中央实体收集和处理。在所示的示例中，可以在中心位置(例如，数据库，诸如在云中)处计算阈值并将其传输到车辆。可以基于从数据库源(诸如车辆BMS、经销商电池测试、保修分析实验室等)接收的输入在数据库处计算阈值。然后将阈值传输到在车辆上的车载算法，车载算法还接收来自各种车载电池监视传感器的输入。该算法进一步基于存储在控制器的存储器中的特征梯度而估计电池寿命。
另一个示例在图12的实施例1210处示出，其中电池特性可以收集在中心位置处并进行处理。然后，可以将描述电池数据和特征统计的参数(例如，给定特性的平均值、标准偏差等)传输到车辆，并且参数和阈值的计算可以在车辆上本地发生。其中模式识别、监督学***均值和标准偏差。可以基于从数据库源(诸如车辆BMS、经销商电池测试、保修分析实验室等)接收的输入在数据库处计算参数。然后将参数传输到车辆控制器，其中车载算法用于本地计算阈值。
将阈值或参数传输到车辆可以经由车载调制解调器、通过诊断端口、无线通信或通过重新刷新其中预测算法运行的车载控制器(或ECU)来执行。
如上讨论，数据库可以从各种数据库源接收输入。例如，可以从包括电池监视传感器的车辆电池监视***(BMS)接收数据。其中在由经销商替换电池之前，维修人员可以触发保存电池特征数据的数据收集程序。这表示电池在其寿命终止时的印记。然后，数据经由车载调制解调器或通过将其从诊断端口下载来传输到云。
作为另一个示例，数据可以是源自经销商电池测试器。其中当电池测试器诊断出有缺陷的电池时，可以触发程序，该程序保存用于诊断的信息并可能使测试器收集其它信息。然后经由调制解调器或通过其它手段将信息传输到云。
作为又一个示例，数据可以源自保修分析实验室。其中在经销商处替换的电池的子集可以由实验室进行分析和拆卸，以进行质量控制。在分析期间收集的信息可以经由互联网或其它手段传输到云。
在310处，该方法包括估计归一化的电池数据向对应的阈值的收敛速度。这允许控制器推断电池接近其寿命终止的速度快慢。在312处，可以基于收敛速度而估计电池EOL。作为示例，在电池的归一化的内阻是被监视的电池特征的情况下，对于给定电池，EOL阈值可以设定为6毫欧。作为内阻的收敛速率的函数的电池劣化可以由梯度来描述：
然后可以由等式阈值–RiNorm＝x来描述距EOL的距离。
然后可以将剩余寿命估计为：
参考图2的示例，电池的当前状况或状态可以由位置218限定。电阻阈值214(R0)和容量阈值216(Q0)可以是内阻和电池容量的可校准阈值，如从老化的电池数据和/或电池专家的建议识别的。位置218处的当前容量距阈值的距离在此称为x1(并且在图2中被示出为222)，被限定为：x1＝Q0-Q。然后将容量接近阈值的速率(也就是说，收敛速度)确定为：
同样地，位置218处的当前内阻距阈值的距离在此称为x2(并且在图2中被示出为222)被限定为：x2＝R0-R。然后将电路接近阈值的速率(也就是说，收敛速度)确定为：描述向阈值的收敛速度的导数在本文中也可以被称为(对应的特征的)梯度。
由于电池可能因低容量或高电阻而发生故障，因此电池的寿命终止(EOL)被限定为因任一机制而造成的最早故障时间。换句话说，
预测算法可以同样地扩展到多个特征，如参考图6所示。虽然图2中示出的铅酸电池的寿命终止(EOF)预测算法测量电池特性或特征并将其与限定特征(具体地，特征“归一化的电池内阻”和“归一化的容量”)的寿命终止值的阈值进行比较，图6的映射图600示出了通用特征的相同内容。
如映射图600处所示，相对于多个特征预测的寿命终止阈值可能不一定是“特征空间”中的线性边界(诸如图2中的情况，参见线性特征空间212)。相反，特征空间612的形状可以由用于其定义的模式识别/被监督的学习算法确定。
特征状态表示特征{特征1、特征2、……}的值或{f1(t)，f2(t)，f3(t)，...，fN(t)}，其被用来确定电池的预期寿命。它们可能是内阻和容量或其它特性。特征空间的每个轴线对应于特定特征的值。在某时间点上的特征测量对应于特征空间中的点。点f(t)＝{f1(t)，f2(t)，f3(t)，...，fN(t)}以及f1(t)...fN(t)表示电池的特征在时间t时的值。
映射图600还包括电池的特征的梯度。梯度描述了电池的特征状态(在特征空间中)在与特征空间中的寿命终止阈值的正交方向(最短路径)上相对于时间的变化
对距寿命终止的时间的预测被限定为在达到电池的寿命终止之前的剩余时间。它是通过将正交长度除以沿着正交方向的收敛速度来计算的。正交方向的长度可以被表示为距寿命终止阈值的距离，如图6所示。的方向可以平行于特定特征的方向，如图2所示，或如图6所示，它可以在另一个方向上前进。在这种情况下，可以假设电池劣化由多个特征捕获。
当实施电池诊断/预断***时，可以初始地估计阈值。为了监视其性能，可以使用在维护和车辆故障统计期间替换的电池的特性来限定度量。如果度量指示***没有适当地执行，那么可以自适应地调整阈值。
返回图3，在一些示例中，可以基于电池的劣化或维修历史来进一步更新收敛速度。例如，可以根据自从首次在车辆中安装或操作电池以来经过的时间或持续时间来进一步调整收敛速度。作为另一个示例，可以考虑自从电池上次维修、修理或重置以来经过的时间或持续时间。另外，维修历史可以包括关于以下的细节：最近维修事件之前的电池的劣化速率、电池的基本劣化速率、电池在整个车辆寿命期间的平均劣化速率，以及在车辆寿命内启用的与电池相关联的任何诊断代码。
在更进一步的示例中，可以基于车辆驾驶统计而进一步更新收敛速度。车辆驾驶统计可以包括例如在车辆的寿命内覆盖的距离(例如，基于里程表读数)、在车辆的整个寿命期间发生的维修事件的次数和频率(例如，已经发生多少次加油服务、它们执行的频率、它们执行时的里程表读数，车辆的平均燃油经济性、车辆的平均速度、车辆的平均变速齿轮使用率、每天平均行驶里程数、车辆的平均轮胎压力等。车辆驾驶统计还可以包括例如驾驶员特定的驾驶模式和***均速度等。车辆驾驶统计还可以包括关于以下的细节：典型地驾驶车辆的天气状况，诸如车辆是否典型地在雨或雪、干燥或潮湿的状况下操作等。车辆驾驶特性可以反映驾驶员的驾驶倾向和车辆电池所经历的平均状况，其可以在不同速率下影响选定特征中的一个或多个的收敛速度。
在监视混合动力或电动车辆中的推进电池并预测其距寿命终止的时间的情况下，可以考虑到未来(例如，预测到的)驾驶模式，诸如地形、环境高度和温度、预测到的踏板事件，以及沿着选定导航路线预期的倾斜/斜坡。例如，如果驾驶员频繁地踩踏加速踏板和制动踏板(或鉴于选定行驶路线而预期这样做)，那么电池可能经历高于平均的荷电吞吐量。如果电池在电动车辆中用于推进，那么电池将会仅在这些状况下耗尽。在其它车辆配置中，可以使用交通预测来估计所有类型的车辆中的荷电吞吐量，并且荷电吞吐量可以直接地与电池劣化和老化相关。作为另一个示例，如果驾驶员激进地驾驶，那么电池可能更快地变热，并且因更高平均电池温度而磨损。因此，收敛速度可以提高，这指示了由于车辆行驶统计，可以预期电池会更快地劣化。
在一个示例实施方式中，寿命终止预测可以在车辆中实施，其中仪表板上的显示器指示剩余电池寿命。其中寿命终止阈值和其它校准参数可以在组装线上的车辆中刷新，并且可以仅在不定期的维修访问(如果有的话)期间进行更新。特征数据可以来自电池监视传感器和在车辆的控制模块或另一个车载ECU中运行的任何电池监视算法或控制器。可以在线计算描述给定特征向对应的阈值的收敛速度的特征梯度并将其存储在车身控制模块或另一个ECU中。
在另一个实施方式中，预测算法可以在外部运行，其中电池参数从车辆发射到云，或发射到算法运行的外部装置。外部装置可以包括例如手持设备，诸如智能电话或平板电脑。此外，该算法可以被配置为在装置上运行的应用程序。如果算法在云中运行，那么可以连续地传输电池参数，或可以在定期间隔期间来调度电池参数进行传输。传输也可以由操作模式触发，诸如点火开关打开、点火开关关闭或经销商处的维修程序的初始化。如果算法在外部装置上运行，那么当与车辆建立有线或无线链路时，将发生数据传输。这可能在任何时间上发生，但是将通常在车辆维修时发生。
在一些示例中，代替计算电池的EOL，可以输出电池的健康状态(SOH)，其中电池的SOH可以被表达为从新的电池的100％变化到报废电池的0％的剩余寿命百分比。随着电池老化，其内阻增加，其内部容量减少，并相应地，其SOH降低。
在318处，该方法包括将电池的估计的EOL或SOH转换成车辆驾驶员可容易地理解的EOL估计，诸如在完全电池劣化之前剩余的车辆操作距离的剩余时间(当电池报废时)。在320处，可以向车辆驾驶员显示剩余时间或距离。例如，可以在车辆的中央控制台的显示屏上向车辆驾驶员显示在电池劣化之前剩余的估计时间/距离。
在一个示例中，控制器可以使用算法将健康状态转换成在部件劣化发生之前剩余的时间/距离的估计。例如，控制器可以基于过去驾驶历史数据和预测到的未来驾驶(包括确定的度量的过去历史)而将预测到的劣化状态转换成剩余时间或持续时间估计，以显示给车辆驾驶员。另外，可以基于过去驾驶历史数据和预测到的未来驾驶而将预测到的劣化状态转换成燃料箱加燃料事件的剩余次数，以显示给车辆驾驶员。
例如，可以显示“电池将需要在120英里内进行替换”。这可以为驾驶员提供关于何时需要维修电池的更易理解的估计。另外，显示的估计可以提示车辆驾驶员调整他们的驾驶模式，例如，可以提示驾驶员不太激进地驾驶。
在一些示例中，使用模式识别来确定寿命终止还使得控制器能够在给定其特征和这些特征的收敛速度(或它们的收敛速度的趋势)的情况下确定电池是否属于一组特定故障电池。经销商或车队控制器可以使用该数据来为同一车队中的其它车辆安排其它电池的维修。类似地，个体车辆所有者也可以使用提供的信息来计划旅行和适当的修理或维修安排。例如，向车辆驾驶员显示的EOL预测可以包括“电池属于该组故障电池的概率为73％。该分配的置信度水平为95％。”
可以使用各种通信策略来提醒驾驶员和维护人员即将发生的电池故障，各种策略考虑到了营销、客户满意度、保修成本和其它因素。一般，当超过对应的阈值时，策略可以在单独场合中直接地与维护人员和驾驶员通信。通信可以在达到寿命终止之前的倒计时期间触发。
在其它示例中，诸如在车辆是自主车辆的情况下，控制器还可以基于预测到的EOL来限制或缩减车辆的自主功能。例如，如果预测电池的预测到的EOL在预限定的时间量内，那么自主操作限制可以生效。
在一些示例中，在电池的预期寿命终止变短时，可以以逐步的方式执行向驾驶员/维护人员发送消息并缩减功能的各种警报、通信和控制策略。作为示例，在达到对应的EOL阈值时，车辆驾驶员可能收到关于即将发生电池故障的警告，并且预期将会失去转向***的辅助或周期性地关闭气候控制或娱乐***。参考图9示出了逐步地提供通知和逐步地限制自主车辆的功能性的示例。在322处，在获悉性能特性之后，可以更新EOL阈值，如图7至图8中详述的。
在图4处示出了图3的方法的示例实施方式。方法400表示仅评估两个特征的基础或最小实施方式。
在402处，起动发动机。在404处，读出电池电阻和容量，诸如基于电池电压和电流传感器的输出。在406处，确认诊断程序的进入条件。在一个示例中，当没有设定与电池电阻或容量测量相关联的标记时，确认进入条件。例如，可以基于标记和其它诊断代码进行确认由电压和电流传感器提供的数据是准确且可靠的。如果不满足进入条件，那么延迟执行程序，直到满足条件。
在408处，检索对应于测量到的电池特性的阈值，诸如从控制器的存储器中检索，或经由建立与其中计算阈值的外部装置或云的通信检索。在410处，计算与对应的阈值的差值。例如，电阻距阈值的距离被确定为x1＝R0-R，并且容量距阈值的距离被确定为x2＝Q0-Q。
在412处，确定电池和电阻中的每一个向对应的阈值的收敛速率。在414处，选择两个速率中的最小者并将其用于预测EOL。然后在416处将确定的EOL显示给用户。用户可以是车辆驾驶员、车队所有者、经销商等。在418处，将EOL与阈值寿命进行比较。阈值寿命是非零可校准阈值。在一个示例中，将阈值寿命设定为预留容量的75％，或基于电池必须满足的车辆要求而进行限定。如果确定的EOL小于阈值寿命，那么在420处，标记电池进行保修。例如，可以点亮故障指示器灯(MIL)，以要求车辆驾驶员将电池带到维修站或经销商处进行维修。
将了解，上述方法可以用于在各种实施方式情景中预测多种电池类型的剩余寿命。例如，该方法可以实施用于常规、混合动力和电动车辆中的铅酸起动、照明和点火(SLI)电池，用于混合动力车辆和电动车辆中的基于Li离子或其它技术的推进电池，以及用于船舶、飞机或固定电力应用中使用的任何类型的电池。其它情景可以包括在车辆上运行电池健康预测算法、在车辆仪表板上显示电池健康和寿命终止预测、发送健康评估和寿命终止预测以供在外部装置(例如，在没有连续的数据流或其它的情况下是手持装置)上读出、在外部运行预测算法，以及将参数传输到具有其中算法运行的显示器或云的外部装置。
在一个示例中，车辆控制器可以将通用电池的维修度量限定为：
其中F(f)表示满足以下条件的车辆中发生故障的电池数量：(1)电池的故障机制与特征f相关联；(2)特征f的值标识在寿命终止时的健康电池。N(f,G)表示由诊断/预断***监视的关于特征f并落在G组内的现场电池总数。组定义可以限定电池大小，并且还可以包括车辆类型、电气内容(选项)和其它约束。性能度量被设计来测量和改进由G限定的车辆或平台的***性能。一旦调整EOL阈值，就可以在足够长的时间跨度内不管更新的阈值或在更新的阈值下监视大量现场电池的要发生的新的故障。监视时段Tf与给定特征相关联，并且可以被分析地选择来在若干监视时段内或通过其它手段保证度量的最大可能变化。
度量BISFMf可以用于限定因可由特征f识别的机制发生的电池故障的百分比。在低值性能度量下可以出现高诊断/预断***性能，并且可以由阈值BISFThf来限定最小可接受性能。如果度量超过该阈值，那么可以假设EOF阈值不够灵敏，并且在车辆中太多电池发生故障而没有警告。
因此，确定错误替换度量(FRM)，度量测量电池诊断/预断算法的性能，以避免由于因相关联的性能阈值的校准而造成的误报或过量灵敏导致的过量电池替换。在一个示例中，通用错误替换度量(FRF)可以被限定为：
其中I(f)表示满足以下条件的电池数量：(1)电池因与特征f相关联的值和相关联的EOF阈值而被识别为故障；(2)对电池的健康状态的基准测试或实验室检查指示它仅放电和替换是否必要。N(f,G)保持与上面相同的定义。它表示由诊断/预断***监视的关于特征f并落在G组内的现场电池总数。监视时段Tf可以与给定特征相关联，并且可以被分析地选择来在若干监视时段内或通过其它手段保证度量的最大可能变化。因此，仅当在时段Tf内监视特征时，才会使用FRMf的计算值。
对于上面限定的性能度量，当度量超过其相关联的阈值时，可能出现不可接受的性能。因此，可以调整EOL阈值以改进性能。如果不存在将EOL阈值的变化映射到性能变化的***知识，那么可以应用EOL阈值的小增量变化ΔEOLThf。如果EOL阈值EOLThf的变化与通用性能PMf之间的关系对于给定的特征f存在，那么它可以表达为以下形式的传递函数：ΔPMf＝h(ΔEOLThf)。在没有可用传递函数的情况下，可以使用EOL阈值的初始增量变化的应用作为创建传递函数以供未来使用的基础。估计EOL阈值的必要变化以获得性能度量的所期望的变化ΔPMf*的过程可以由以下形式的反函数限定：使用传递函数来自适应地更新EOL阈值被称为智能自适应，并且参考图5的示例和图7的程序来对其进行详述。
现在转向图7，方法700示出了针对特定电池特征的示例寿命终止自适应过程。
在702处，该方法包括起动自适应诊断/预断***操作，包括起动计时器。在704处，可以确定经过的时间是否大于限定的监视时段。例如，可以确认具有电池***的大量车辆已经被监视达限定的监视时段。在一个示例中，监视时段是超过一年(并且具有12个月的值)的持续时间，以便覆盖每个季节。如果尚未经过限定的时段，那么该方法返回到监视***并将计时器的输出与限定的监视时段进行比较。换句话说，该方法使得***性能度量仅在具有***的车辆群体被监视达至少指定的监视时段之后才被更新。
在确认已经经过限定的时段后，在706处，该方法包括将***特征的性能度量(例如，维修中电池度量BISFf或错误替换度量FRMf)与对应的阈值进行比较。这里应用的阈值可以根据正被评估性能的特征来选择。因此，用于电池性能度量的电池电阻阈值可以不同于用于电池性能度量的电池容量阈值。对于性能度量，当度量超过其对应的阈值时，可能发生不可接受的性能。因此，如果识别出令人满意的性能，诸如当性能度量没有超过相应的阈值时，该方法恢复监视。否则，如果未识别出令人满意的性能，诸如当性能度量确实超过相应的阈值时，该方法继续更新EOL阈值。具体地，在708处，可以确定将EOL阈值中的增量变化映射到性能度量的传递函数是否可用。如果它可用，那么在714处，该方法包括使用可用传递函数映射来估计EOL阈值的智能自适应。否则，在710处，使用校准的初始值。EOL阈值的自适应的符号可以是根据正被监视的特定特征和度量，并且一个特征的EOL阈值的变化可能导致需要第二特征的阈值的变化。参考图5示出示例情况。
在图5处，映射图500示出了(例如，车辆车队或经销商处的)故障电池的测量到的内阻值以及EOL阈值的概率分布函数。在本文中，根据所考虑的度量，电池的内阻的EOL阈值的初始选择可能太高或太低。在映射图500处示出了相对于在大的故障电池样本中观察到的内阻值的概率分布的初始EOL阈值502的第一示例。
失水和腐蚀是与高电池内阻相关的故障机制。假设诊断/预断***就位，以监视赋范的电池内阻(RiTNom)，并且其遵循图7中描述的过程。还假设监视已经进行了达至少规定的监视时段TRiTNom。如果与失水对应的BISF度量指示因失水而造成起动故障的现场车辆的百分比过高，那么必须使EOL故障阈值更小，使得其包括更大的百分比的电池被诊断为电池劣化。这在映射图510处被示出为自适应的EOL阈值504。通过更新EOL阈值，更多故障电池就会引起所有者和维修人员的注意，因此可以在车辆抛锚之前将其替换。
在一个示例中，可以使用估计相对于EOL阈值的变化的性能度量的变化的传递函数来进行EOL阈值的变化。如果这不可用，那么可以估计变化幅度。对于此处的示例，如果未使用准确传递函数来进行EOL阈值的自适应，那么自适应可能过多或过少。这必须在从初始EOL阈值502到更新的EOL阈值504的自适应之后在现场车辆被观察了至少另一个最小监视时段TRiTNom才会确定。如果自适应过量，那么可能是太多车辆被诊断为电池故障。这将会因在车辆上进行不必要的工作而引起过多的保修成本和可能的所有者不满。对健康电池的误诊断将以超过其性能阈值的FRMf度量标记。如果发生这种情况，那么可以通过略微地增加阈值来再次自适应EOL阈值，如映射图520所示。具体地，更新的阈值504可以进一步调整到更新的阈值506，其中更新的阈值506比更新的阈值504更接近初始阈值502。第二自适应(即，从阈值504到阈值506的自适应)的幅度可以使用来自第一自适应(即，从阈值502到阈值504的自适应)的信息以更好地确保其不过量，并且由BISF度量限定的未诊断出的问题的百分比同样不会变得过量。这是图7中描述的智能自适应算法的一部分。可以记录相对于EOL阈值的性能度量的变化并将其用于未来自适应。在一个示例中，在控制理论的上下文中，自适应可以包括具有自适应模型参数的模型预测控制算法。
其中可更新电池EOL阈值的一个示例情景包括其中发生电池失水的状况。电池失水是包括特定车辆平台和电池大小的一组电池的显著劣化机制。如果由BISF度量反映的未诊断出的问题的数量太多，那么可以通过降低在高温下电池的荷电电压设定点来直接地处理故障机制(失水)。这将降低因该机制而造成的故障次数，并且性能度量的值将成比例地下降。然而，降低荷电电压可能引起硫酸盐化，这将随时间而有效地减少电池的容量。可能因容量损失而不是内阻增加而导致电池故障。当停放车辆并且因点火开关关闭负载而造成电池非常快速地耗尽时，将会发生这种故障。可以由电池特征“赋范的电池容量”(QCapAhTNom)来监视该故障机制。由于硫酸盐化到一定程度，降低荷电电压将会增加大量车辆中的车辆故障。如果未诊断出的车辆故障的数量由于变化而变得过多，那么对应于电池容量的BISF度量将超过其性能阈值。因此，第一特征的阈值的自适应可以影响第二不同特征的阈值的自适应。遵循图7中所示的过程，用于电池容量的BISF度量可以仅在配备有诊断/预断***的大量车辆在设定点控制的变化发生之后被监视达至少指定的监视时段才被更新。在该监视时段之后，将电池容量的BISF度量与其对应的阈值进行比较。如果发现过量，那么可以将特征“赋范的容量”的EOL阈值如图10的映射图1000所示以与参考图5描述的内阻的EOL阈值的变化类似的方式从初始EOL阈值1002降低到更新的EOL阈值1004。如在失水的情况下，可能需要若干自适应以实现相对于所有性能度量的可接受性能，并且可以应用新的技术来减轻与电池容量的损失相关联的故障机制。
诊断/预断***的性能也可能受一组被监视的车辆的变化的影响。变化可以被视为噪声因素并归类为若干分类。这些变化可能导致电池参数的分布函数的形状演变，并且可能需要自适应EOL阈值以保持可接受性能水平。可影响性能的技术变化包括新的电池充电策略或影响操作温度的电池的包装的变化。该类别的变化还可能包括电池设计的改进。
一组车辆中的电池操作的变化也可能影响性能。这些变化包括车辆的电气内容(例如，在点火开关关闭状况下操作的更多娱乐装置)的升级，或在一组车辆在具有极端环境温度(例如，在更冷或更热的新的环境中)的新的市场中出售的情况。如果设计用于在温带市场中操作的车辆在具有非常热或冷的平均温度的土地上销售，那么可能发生这种情况。如果电池监视技术发生变化，那么***性能也可能受到影响。针对内阻或容量等基本功能的新的电池监视技术可能导致在EOL时给定特征的值的分布也发生变化。每个车辆和电气***预期都可能会随着其演变而经受这些变化。出于该原因，应使用EOL阈值自适应来连续地监视和改进***性能。还应周期性地审查性能阈值，以便在诊断能力和保修目标方面相对于现有技术来对其进行调整。它们可以被限定来促使***尽可能地准确，而不导致大量的保修成本。
如上讨论，可以通过使用老化模型或其它方法来分析劣化或故障的电池以确定EOL阈值。然后可以将阈值表示为一组线性边界，诸如图2中所示的那些。或者，阈值可以由曲线或流形(manifold)表示，如图8所示。在一些示例中，控制器还可以限定一个或多个中间阈值，如参考图8的映射图800、810和820所讨论。
在映射图800中，h表示通用特征的EOL曲线的值。可以选择一个或多个中间阈值，其限定在达到寿命终止之前的预测到的时间。可以在电池的当前状态f(t)与寿命终止阈值之间引入中间阈值。距中间寿命终止阈值的距离是根据收敛速度和所选择的中间时间阈值TIntThresh，如由以下关系限定：
当电池的状态达到在预测到的寿命终止之前的预限定的时间或预限定的距发生故障的距离时，可以触发通信和控制活动。在按时间限定的阈值的情况下，如图8的映射图810所示，如果电池状态在给定的小时数、天数或周数内发生故障，那么可能发生触发。例如，当在从预测到的EOL(h)起的第一持续时间上电池特征处于第一中间阈值TIT1时，可以触发第一通信或控制活动。当在从预测到的EOL起的第二持续时间(h)上电池特征处于第二中间阈值TIT2时，可以触发第二通信或控制活动，第二持续时间小于第一持续时间，并且因此更接近h。
在由距发生故障的距离限定的阈值的情况下，如果某些电池特征劣化，那么可以限定发生触发。作为示例，如果电池内阻是受监督的特征，那么如果内阻在距对应于寿命终止的内阻的校准的距离内，可以激活触发，如图8的映射图820所示。其中阈值限定第一中间内阻阈值，限定第二中间内阻阈值，并且h表示在预测到的寿命终止处的阈值。当电池特征处于第一中间阈值时，可以触发第一通信或控制活动，而当电池特征处于第二中间阈值时，可以触发第二通信或控制活动，第二阈值比第一阈值更接近h。
距发生故障的距离可以由多个特征限定。如果电池容量是受监督的第二特征，那么触发可以根据内阻和容量两者发生。如果电池电阻或电池容量损失超过单独阈值，或如果电池电阻和电池容量损失超过单独阈值，或如果在“特征空间”中的电池电阻和容量的值在距寿命终止阈值的预限定的距离内时，那么可能发生触发，如图6所示。以此方式，特征空间中的寿命终止阈值可以通过表示在达到寿命终止之前的特定时间或距寿命终止的距离的中间阈值来扩大。因此，距寿命终止的距离可以被解释为距部件故障的距离。
当超过表示距发生故障的距离或时间的接近寿命终止的中间阈值时，可以触发通信策略。通信可以被引导到驾驶员并被引导到诸如车辆制造商的实体。另外，如果实施无线电数据链路(例如，调制解调器)以与外界通信，那么可以将通信引导到本地汽车经销商或车队所有者。除了通信之外，可以鉴于电池的即将出现的EOL来建议一个或多个动作。
由于自主车辆中的12V配件电池在某些操作模式下支持安全关键***，因此如果识别出有缺陷的电池或接近其寿命终止的电池，那么可以禁用自主功能。突然地禁用自主功能可能导致客户不满和不便，尤其是在无法手动地驾驶车辆的情况下。因此，必须在电池故障发生之前向驾驶员和维修人员警告电池故障即将发生，使得可以替换电池。出于该原因，预测在电池达到其寿命终止之前的时间在自主车辆中具有特殊的重要性。
除了客户满意度问题之外，已经表明，如果电池的寿命终止即将发生但尚未达到，那么可以禁用或缩减自主功能。在这种情况下，如果预测电池的EOL在预限定的时间内，那么限制将会生效。
因此，在考虑到营销、客户满意度、保修成本和其它方面的同时，可以使用通信策略向驾驶员和维护人员提醒即将发生的电池故障。一般，当超过对应的阈值时，策略可以在单独场合中直接地与维护人员和驾驶员通信。通信可以表示一种在达到寿命终止之前的倒计时。类似地，可以在接近电池的寿命终止时以逐步的方式限制自主功能。每次在超过阈值时，可以阶梯升高限制，直到不再允许车辆自行行驶，并且还可以缩减手动驾驶。
将消息发送到驾驶员和维护人员并以逐步的方式缩减功能性来作为电池的预测到的寿命终止的这些类型的通信和控制策略可以应用于常规的车辆。驾驶员可能收到关于即将发生电池的警告，并且预期将会失去转向***的辅助或周期性地关闭气候控制或娱乐***。这两种类型的事件都是发生故障的12V配件电池的症状。
当超过表示距发生故障的距离或时间的接近寿命终止的中间阈值时，通信策略，诸如图13的方法1300的示例通信策略，可能会被触发。如果实施无线电数据链路以与外界通信，那么可以将通信引导到驾驶员和诸如车辆制造商或汽车的实体。另外，通信可以采用写入车辆中的非易失性存储器中的标记的形式，其指示何时已经超过阈值。维修人员可以读出这些标记，以促成电池的测试和替换。
与驾驶员自身的通信可以采用在仪表板上的警告灯或文本、发送到驾驶员的账户的电子邮件或SMS或发送到驾驶员的移动装置上的应用的通知的形式。如果超过寿命，那么在阈值更接近预测到的终止时，通信策略可以触发与驾驶员或外界的新的或不同的通信手段。例如，如果估计距发生故障的时间在三个月内，那么可以激活仪表板上的指示器。如果未更换电池并预测距发生故障的时间在不到两个月的时间内，那么在车辆起动时，在仪表板上可以出现文本消息。超过后续阈值可以触发向驾驶员发送电子邮件并向经销商发出警报。
在图13中，TTF表示估计的距发生故障的时间(寿命终止时间)，并且TIT1、……、TIT4表示按时间表达的中间阈值。每当在车辆行驶时或周期性地在车辆停放时，可以激活通信策略。当在1302处超过第一中间阈值时，在1302处，可以激活仪表板上的指示器。当在1306处超过第二中间阈值时，在1308处，当车辆起动时，在仪表板或备用多功能显示器上可以出现文本消息。当在1310处超过第三中间阈值时，在1312处，控制器可以发送电子邮件以提醒驾驶员。当在1314处超过第四中间阈值时，控制器可以向经销商发送警报。将了解，写入图13的框中的通信动作可以包括未描述于图13中的另外复杂任务。例如，“向所有者发送电子邮件”或“向经销商发送电子邮件”的动作可以包括用于仅使得能够每天设定一次电子邮件的另一个逻辑。
或者，控制器可以使用通用通信策略，诸如图14的方法1400所示。其中阈值相对于距发生故障的距离来表达。可以使用以下等式相对于距发生故障的距离来重新限定相对于时间限定的阈值：
这样做允许限定由距发生故障的时间和距发生故障的距离两盒限定的通信策略。例如，当距发生故障的时间小于阈值或内阻上升到限定的水平时，策略可以触发通信。
每当在车辆行驶时或周期性地在车辆停放时，可以激活图14的通信策略。当在1402处超过第一中间阈值时，在1402处，发射第一通信Com1。当在1406处超过第二中间阈值时，在1408处，发射第二通信Com2。当在1410处超过第三中间阈值时，在1412处，发射第三通信Com3。当在1414处超过第四中间阈值时，在1416处，发射第四通信Com4。
图14中的通信动作一般被指定为Com1、……、Com4。正如图13中所示的策略一样，单独的通信动作可能复杂，并且具有内部控制以根据外部因素来修改或延迟其传输。例如，它们可能每天仅进行一次通信或在关闭车辆点火开关时进行通信。
将了解，通信可以采用各种形式，包括上面描述的那些以及其它形式。
以与通信策略类似的方式，当超过表示距发生故障的距离或时间的中间阈值时，可以激活不同的控制策略。作为示例，可以实施一组控制策略来限制车辆的自主操作，或根据被超过的中间阈值来限制或停用具有主动悬架的车辆中的单独的***或功能。作为示例，如果车辆自主地操作，那么可以通过电动致动器实现转向、制动和动力传动***控制功能。这些可以是操纵车辆的伺服***(正如线控***一样)以及致动制动器的电动泵和气门。除了致动之外，控制还由微处理器完成，微处理器也依赖于电力进行操作。电致动器通常被表征为在其被接通时或在其被控制以施加高的力时的高电流瞬变。现代车辆的主电源可以是在内燃发动机用于推进时的交流发电机或发电机或在车辆具有电动推进***时的高电压电池和DC-DC转换器。在任一情况下，交流发电机、发电机或DC-DC转换器通常不能供应由主动底盘***汲取的瞬变。因此，12V SLI电池与(低电压)配电网络并联地实施，以便在主电源饱和时提供电力。
当这些电池劣化并不再能够在需要时提供发出足够电力时，可能限制或根本不会发生致动。这意味着转向和制动可能缓慢地发生和/或不能实现所期望的致动水平。虽然致动在劣化的电池中发生，但是配电网络上的电压可以降低到显著水平，这会停用或重置控制车辆的微处理器并不允许其它致动器正确地操作。配电网络上的致动和临界电压水平的降低可能导致车辆离开其期望的路径并导致安全危险。因此，12V SLI电池可以被归类为自主车辆中的安全关键部件。如果在电池的预测到的寿命终止之前的时间或距发生故障的距离变得小于限定的阈值，那么可以实施控制策略来限制自主功能性。
在一个示例中，可以限定6个级别的车辆自动化(例如，编号为0至5)。例如，汽车工程师协会(SAE)已经限定6个级别的车辆自动化，编号为0至5。随着级别增加，车辆变得更自动化。在3级(中途点)，可以在没有人为干预的情况下自主地控制车辆，但是需要驾驶员始终准备在出现问题的情况下或在超过控制***的极限的情况下接手控制车辆。在4级，完全自主在某些驾驶模式下是可能的。在这些模式中，驾驶员不必随时准备执行控制操作。5级是最高级别，在该级别，在车辆操作的任何阶段都不需要人为干预。如果距发生故障的电池时间或距离低于校准的阈值，那么可以沿着如上限定的车辆自动化水平线限制自主功能性。换句话说，如果距发生故障的时间或距离落在校准量之间，那么可以将能够进行4级或5级操作的车辆限制到3级。根据这样的政策，将仅允许具有驾驶员监督的功能性。这将会传达给驾驶员并可能在驾驶开始之前需要他的确认。如果沿着这些线限定控制策略，那么在距发生故障的电池时间或距离低于校准的中间阈值的情况下，自主车辆的操作可以被限制到3级。如果距发生故障的时间或距离低于更接近EOL预测的第二中间阈值，那么功能性可以被限制到较低级别的功能性。
参考图15的方法1500示出了一个示例控制策略。其中控制器可以使用激活控制模式的阈值，该阈值相对于预测到的距发生故障的时间来表达。正如通信策略(图13至图14)的情况下一样，也可以相对于距发生故障的距离来限定阈值，使用两种类型的阈值的混合策略也是如此。在限制自主车辆功能性的控制策略的情况下，可以预期，当驾驶员有机会看到并确认功能性的限制时，功能性限制的限制可能仅在驾驶开始时进行应用。因此，在一个示例中，可以在打开车辆点火开关时激活图15中所示的策略。限制车辆的自主功能性的图15的控制策略可以与图13或图14的通信策略协调以解释对驾驶员的限制的原因并将该信息和附加相关信息传达给经销商的维修人员。
每当在打开车辆点火开关时，可以激活图15的控制策略。当在1502处未超过第一中间阈值时，在1512处，控制器可以允许自主车辆的不受限制的AV功能性。如果在1504处超过第一中间阈值但不超过第二中间阈值，那么该方法移动到1506，其中控制器在多功能显示器中(例如，在仪表板上)激活消息，该消息指示应用AV 2级限制。如果在激活消息之后，在1508处未接收到驾驶员确认，那么该方法返回到1506以继续显示消息。否则，在接收到驾驶员确认之后，在1510处，将AV功能性限制到(由SAE限定的0级至5级中的)2级。
如果在1502和1504处第一中间阈值和第二中间阈值都被超过，那么该方法移动到1514，其中控制器在多功能显示器中(例如，在仪表板上)激活消息，该消息指示应用AV 3级限制。如果在激活消息之后，在1516处未接收到驾驶员确认，那么该方法返回到1514以继续显示消息。否则，在接收到驾驶员确认之后，在1516处，将AV功能性限制到(由SAE限定的0级至5级中的)3级。
如上所述，在底盘***中施加高机械力的主动底盘部件在其被激活时或在其输出力被控制以快速地阶梯升高时可能汲取大功率瞬变。主动底盘部件的示例包括电动助力转向(EPAS)、电动制动器和电激活防侧倾控制(eARC)。对一些非必要的主动底盘***的功能限制可以在常规或自主车辆上执行，以便保持对于安全必要的那些的功能性。如果这些部件由12V配电网络供电，那么除非网络是由充满电的SLI电池支持，否则它们在被激活时可能产生大电压骤降。如果电池处于其寿命终止时，高内阻和低容量以及内部短路和其它老化相关故障机制可能限制其支持这些负载的能力。可以停用非必要的主动底盘***，以便支持被认为对于安全更关键的***的功能性。在具有EPAS、电动制动器和电动侧倾控制的车辆中，如果距电池的寿命终止的时间或距离小于阈值，那么可以停用侧倾控制。
在图16的方法1600处示出了这样的控制策略的示例。正如用于自主车辆的通信和控制策略的情况下一样，也可以相对于距发生故障的距离来限定阈值并且可以使用使用这两种类型的阈值的混合策略。图16中所示的策略是通用控制策略的特定实施方式，其可以在电池达到其寿命终止的情况下限制或停用任何非必要的高功率负载。
每当在打开车辆点火开关时，可以激活图16的控制策略。当在1602处未超过第一中间阈值时，保持所有设定。如果超过第一中间阈值，那么在1604处，控制器在多功能显示器(例如，在仪表板上)中激活消息，该消息指示电激活防侧倾控制eARC即将停用。在1606处，在激活消息之后，停用eARC。以此方式，当超过中间阈值时，可以停用非必要的车辆***，以便支持被认为更必要(例如，对于安全关键)的***的功能性。可以在电池的寿命终止时发生的另一种类型的控制动作是增加荷电电压，以帮助在剩余的有限容量中保持高荷电状态。在图11的方法1100中示出了这样的控制策略。通过确认点火开关打开事件，在1102处开始方法1100。如果未确认点火开关打开事件，那么该方法结束。在1104处，确定是否已经经过中间阈值时间或持续时间。在所示的示例中，确定是否已经经过阈值持续时间TIT2。如果不是，那么电池荷电电压由具有较低电压的函数Z1限定。否则，如果已经经过阈值持续时间，那么电池荷电电压由具有较高电压的函数Z2限定。在本文中，Z1和Z2表示温度相关电荷-电压曲线。在该示例中，由Z2限定的电压将会高于由Z1限定的电压，以促成对电池充电。
虽然图13至图16示出了不同的通信和控制动作策略，但是在其它示例中，可以组合通信和控制动作策略，诸如在图9的示例策略中。正如单独的控制和通信策略一样，图9的方法900使用中间阈值。其中TTF表示估计的距发生故障的时间(寿命终止时间)，并且TIT1至TIT4表示按时间表达的中间阈值。每当在车辆行驶时或周期性地在车辆停放时，可以激活通信策略。虽然中间阈值TIT1至TIT4在方法900处被示出为时间阈值，但是将了解，在替代示例中，在不脱离本发明的范围的情况下，中间距离阈值可以类似地应用。在所示的示例中，该方法用于对被配置有自动驾驶能力的自主车辆(AV)的电池监视。
在902处，该方法包括发起电池监视。在904处，该方法包括是否已经达到第一中间阈值(例如，第一时间或距离阈值)。如果尚未达到第一阈值，那么在920处，车辆操作可以在不进行任何限制动作的情况下继续。例如，可以允许自主车辆的不受限制的功能。
如果已经达到第一中间阈值，那么在905处，该方法包括执行第一通信动作(一般表示为Com1)，诸如通过激活仪表板指示器。例如，与驾驶员的第一通信可以采用仪表板上的警告灯或文本的形式。任选地，在906处，可以确定是否已经接收到确认，诸如可以在车辆驾驶员致动按钮或与车辆的仪表板上的触摸显示器交互时确认。在确认后，在907处，可以进行第一动作。否则，该方法可以直接地移动到908。第一动作可以包括例如车辆的自主功能性以第一量限制到第一级别，低于完全自主功能性级别。将自主功能性限制到第一级别可以包括例如将自主功能性限制为对应于由汽车工程师协会发布的车辆自动化级别(从2016年9月22日起的SAE标准J3016)中的3级的“条件自动化”。或者，可以禁用车辆的一个或多个非必要的功能(诸如用于侧倾控制的eARC)。
该方法然后移动到908以确定是否已经达到第二中间阈值(例如，第二时间或距离阈值)，第二阈值比第一阈值更接近部件的EOL阈值(h)。在其它示例中，该方法可以直接地从905移动到908，并且在905处，可以在与驾驶员的第一通信中包括将自主功能性限制到第一级别的限制。
如果已经达到第二中间阈值，那么在909处，该方法包括执行第二通信动作(一般表示为Com2)，诸如通过在车辆的多功能显示器中显示文本消息。例如，与驾驶员的第二通信可以采用显示在仪表板上的文本、发送到驾驶员的账户的SMS或发送到在驾驶员的移动装置上运行的应用程序的通知的形式。任选地，在910处，可以确定是否已经接收到确认。在确认后，在911处，可以进行第二动作。否则，该方法可以直接地移动到912。第二动作可以包括例如车辆的自主功能性以大于第一量的第二量限制到第二级别，第二级别低于第一级别。将自主功能性限制到第二级别可以包括例如将自主功能性限制为对应于由汽车工程师协会发布的车辆自动化级别中的2级的“部分自动化”。或者，可以禁用车辆的一个或多个非必要的附加功能。该方法然后移动到912以确定是否已经达到第三中间阈值(例如，第三时间或距离阈值)，第三阈值比第一阈值或第二阈值更接近部件的EOL阈值(h)。在其它示例中，该方法可以直接地从909移动到912，并且在909处，可以在与驾驶员的第二通信中包括将自主功能性限制到第二级别的限制。
如果已经达到第三中间阈值，那么在913处，该方法包括执行第三通信动作(一般表示为Com3)，诸如通过向驾驶员的账户或在驾驶员的移动装置上运行的应用程序发送电子邮件。任选地，在914处，可以确定是否已经接收到确认。在确认后，在915处，可以进行第三动作。否则，该方法可以直接地移动到916。第三动作可以包括例如车辆的自主功能性以大于第二量的第三量限制到第三级别，第三级别低于第二级别。将自主功能性限制到第三级别可以包括例如可以禁用所有自主功能并在可能时可以仅手动地驾驶车辆。或者，可以禁用车辆的所有非必要的功能。
该方法然后移动到916以确定是否已经达到第四中间阈值(例如，第四时间或距离阈值)，第四阈值比第一阈值、第二阈值或第三阈值中的任一个更接近部件的EOL阈值(h)。在其它示例中，该方法可以直接地从913移动到916，并且在913处，可以在与驾驶员的第二通信中包括将自主功能性限制到第三级别的限制。
如果已经达到第四中间阈值，那么在917处，该方法包括执行第四通信动作(一般表示为Com4)，诸如通过向经销商发送电子邮件。此外，在918处，可以进行第四最终动作。第四动作可以包括例如完全地禁用车辆。此外，在918处，该方法可以包括继续以受限制的自主功能性操作车辆。虽然该方法示出了四个中间阈值，但是在其它示例中，可以包括更少或更多数量的中间阈值。
以此方式，控制器可以预测距车辆电池(诸如通常在车辆中使用以用于在马达未运行时起动、运行配件的铅酸12V SLI电池)的寿命终止的时间，并且支持高功率负载瞬变。本文讨论的任何方法和策略可以应用于自主车辆，以及常规的汽油或混合动力电动车辆。本文所述的控制和通信策略的通用形式可以应用于使用SLI电池的任何车辆。通常，当预测到的距寿命终止的时间小于校准的阈值时，这些策略触发通信和控制动作。通信和控制动作的性质可能随着预测到的距寿命终止的时间的减少而改变。通过仪表板消息和电子邮件发出的随着寿命终止接近而逐渐地增加警告可以应用于任何车辆。对于控制策略也可以这样说。例如，随着寿命终止接近，可以逐步地增加荷电电压，并且可以修改电池充电策略以延长电池提供基本功能性的能力。本文用于预测SLI电池的寿命终止的方法也可以应用于牵引电池或其它电池。这可能需要选择新的电池特征来表征寿命终止状况。预测部件距寿命终止的时间的任何方法可以与本文所述的通用控制和通信策略结合地使用。
还将了解，虽然本文公开的方法预测了车辆电池的预期寿命，但是该方法可以类似地用于预测道路车辆中的多个部件的预期寿命，诸如轮胎、过滤器和润滑剂。
以此方式，提供了用于评估车辆电池的剩余使用寿命的基于预断的方法。预断方法可以用于通过估计在电池劣化之前剩余的时间和/或剩余的距离来补充任何现有的预断特征。通过基于电池的内部性质(诸如电阻和容量)的变化而限定影响电池寿命的每个电池特性的阈值，可以实现电池的当前状态的诊断和其未来的健康状况的预断(包括对距电池寿命终止的时间的估计)。通过依赖于感测到的电池特性向对应的阈值的估计的收敛速度，可考虑到不同的电池劣化机制(诸如腐蚀与硫酸盐化)的不同的影响。此外，每个特征的轨迹可以用于更好地估计电池的寿命终止。通过更准确地估计部件的剩余寿命就可以将其作为更易理解的度量提供给车辆驾驶员，这减少了保修问题，并提高了客户满意度。
在一个示例中，一种用于车辆的方法包括：基于从感测到的车辆操作参数得到的多个电池度量的朝向对应的阈值的收敛速率来预测车辆电池的劣化状态，所述阈值是基于过去驾驶历史数据而确定，所述过去驾驶历史数据包括所述多个电池度量中的每一个的过去历史；以及将所述预测到的劣化状态转换成在电池寿命终止之前的剩余的时间或持续时间，以显示给车辆驾驶员。在前述示例中，另外地或任选地，所述多个电池度量包括电池电阻和电池容量，并且所述感测到的车辆操作参数包括电池电流、电池电压和电池端子温度中的一个或多个。在任何或所有前述示例中，另外地或任选地，所述预测包括预测随所述多个电池度量中的任一个的所述收敛速度增加而更高的劣化状态。在任何或所有前述示例中，另外地或任选地，所述方法还包括基于在所述转换之后的车辆性能而更新所述对应的阈值。在任何或所有前述示例中，另外地或任选地，所述方法还包括：将所述预测到的劣化状态与寿命终止阈值以及当前劣化状态和所述寿命终止阈值之间的一个或多个中间阈值进行比较；以及基于所述比较而限制一个或多个车辆功能。在任何或所有前述示例中，另外地或任选地，所述车辆是自主车辆，并且其中所述限制包括：当所述预测到的劣化状态低于所述一个或多个中间阈值和所述寿命终止阈值中的每一个时，在不限制任何自主车辆功能性的情况下操作所述车辆；当所述预测到的劣化状态高于所述一个或多个中间阈值中的第一个中间阈值时，以对自主车辆功能性的第一程度的限制操作所述车辆；当所述预测到的劣化状态高于所述一个或多个中间阈值中的大于所述一个或多个中间阈值中的所述第一个中间阈值的第二个中间阈值时，以对自主车辆功能性的高于所述第一程度的第二程度的限制操作所述车辆；并且当所述预测到的劣化状态高于所述一个或多个中间阈值和所述寿命终止阈值中的每一个时，在并非所有自主车辆功能性都受限制的情况下操作所述车辆。在任何或所有前述示例中，另外地或任选地，在瞬态和稳态车辆工况期间感测所述感测到的车辆操作参数，并且在瞬态工况期间感测到的所述参数以不同于在稳态工况期间感测到的所述参数的方式被加权。在任何或所有前述示例中，另外地或任选地，所述方法还包括根据从所述确定的度量的所述过去历史检索到的对所述确定的度量的最近估计以及自从对所述确定的度量的所述最近估计以来所述车辆所行进的距离来估计所述确定的度量的值。在任何或所有前述示例中，另外地或任选地，所述方法还包括根据在所述部件安装在所述车辆中时从所述确定的度量的所述过去历史检索到的对所述确定的度量的初始估计来估计所述确定的度量的值。在任何或所有前述示例中，另外地或任选地，所述方法还包括基于所述过去驾驶历史数据和预测到的未来驾驶，将所述预测到的劣化状态转换成发动机起动事件的剩余次数以显示给所述车辆驾驶员。在任何或所有前述示例中，另外地或任选地，在所述车辆外确定所述阈值，而在所述车辆上确定所述收敛速率。在任何或所有前述示例中，另外地或任选地，所述车辆是车队的多个车辆中的一个，所述方法还包括：在至少阈值持续时间内估计所述车队的每个车辆的所述多个电池度量；以及响应于所述估计而预测所述车辆电池的所述劣化状态。在任何或所有前述示例中，另外地或任选地，所述方法还包括：响应于在所述预测之后的所述车队的每个车辆的性能而更新所述车辆的所述寿命终止阈值和所述一个或多个中间阈值中的每一个。
用于预测车辆的电池健康状况的另一种示例方法包括：使用一个或多个车载电池监视传感器实时地监视至少一个电池健康参数；基于从车辆通信网络和车辆工况收集的信息而确定监视的电池健康参数的阈值；基于监视的电池健康参数向所述确定的阈值的收敛速度而限定电池寿命终止预测算法；以及基于所述预测算法而估计所述电池的寿命终止。在任何或所有前述示例中，另外地或任选地，所述方法还包括：基于所述估计而限制所述车辆的一个或多个自主功能，限制程度是基于相对于寿命终止阈值的所述估计的寿命终止。在任何或所有前述示例中，另外地或任选地，所述方法还包括：基于所述估计而限制所述车辆的一个或多个非必要的自主功能，诸如所述车辆的电致动防侧倾控制***，限制程度是基于相对于寿命终止阈值的所述估计的寿命终止。在任何或所有前述示例中，另外地或任选地，所述车辆是车辆车队中的多个车辆中的一个，并且其中确定所述阈值包括基于从所述车队的所述多个车辆中的每一个收集并经由所述车辆通信网络接收的电池寿命终止信息而确定所述阈值。
一种示例车辆***包括：电池；一个或多个传感器，所述一个或多个传感器耦合到所述电池；马达，使用从所述电池汲取的电力驱动所述马达；发动机；网络，所述网络将所述车辆***通信地耦合到车队的一个或多个附加车辆；显示器；以及控制器，所述控制器具有用于进行以下操作的计算机可读指令：基于多个感测到的电池参数的朝向对应的参数阈值的收敛速率而预测在所述电池的寿命终止之前剩余的持续时间，所述阈值是基于所述车辆***的电池历史和所述车队的所述一个或多个附加车辆中的每一个而确定；将所述预测到的持续时间与寿命终止阈值进行比较；以及基于比较而限制所述车辆的一个或多个功能。在任何或所有前述示例中，另外地或任选地，所述控制器包括用于进行以下操作的其它指令：当所述预测到的持续时间高于所述寿命终止阈值时，在所述显示器上向车辆驾驶员显示所述预测到的持续时间并限制所述车辆的自主功能性。在任何或所有前述示例中，另外地或任选地，基于所述比较而限制所述车辆的一个或多个功能包括限制动力转向辅助、气候控制和娱乐***操作中的一个或多个。在任何或所有前述示例中，另外地或任选地，所述控制器包括用于进行以下操作的其它指令：基于在所述预测之后的所述车辆***的车辆性能以及所述车队的所述一个或多个附加车辆中的每一个而更新所述寿命终止阈值，所述寿命终止阈值响应于所述车辆性能的下降而降低。
将注意，本文包括的示例控制和估计程序可以与各种发动机和/或车辆***配置一起使用。本文公开的控制方法和程序可以作为可执行指令存储在非暂时性存储器中，并且可以由包括控制器的控制***结合各种传感器，致动器和其它发动机硬件来执行。本文所述的特定程序可以表示任何数量的处理策略(诸如事件驱动的、中断驱动的、多任务的、多线程的等)中的一个或多个。因此，所说明的各种动作、操作和/或功能可以以所说明的序列执行、并行地执行，或在一些情况下被省略。同样地，处理顺序不一定是实现本文所述的示例实施例的特征和优点所必需的，而是为了易于说明和描述而提供的。可以根据所使用的特定策略重复执行所示的动作、操作和/或功能中的一个或多个。此外，所述的动作、操作和/或功能可以图形地表示要编程到发动机控制***中的计算机可读存储介质的非暂时性存储器中的代码，其中通过执行包括各种发动机硬件部件与电子控制器结合的***中的指令来执行所描述的动作。
将了解，本文公开的配置和程序本质上是示例性的，并且这些具体的实施例不应被视为具有限制意义，因为许多变型是可能的。例如，以上技术可以应用于用于起动、支持瞬态负载或用各种化学物质的推进的电池。本公开的主题包括本文公开的各种***和配置以及其它特征、功能和/或性质的所有新颖和非显而易见的组合和子组合。
以下权利要求特别指出被视为新颖和非显而易见的某些组合和子组合。这些权利要求可以指“一个”要素或“第一”要素或其等同物。这些权利要求应理解为包括一个或多个这样的要素的结合，既不要求也不排除两个或更多个这样的要素。所公开的特征、功能、元件和/或特性的其它组合和子组合可以通过修改本权利要求或通过在该申请或相关申请中呈现新的权利要求来要求保护。这些权利要求，无论是否比原始权利要求的范围更宽、更窄、相同或不同，也被认为包括在本公开的主题内。
根据本发明，一种用于车辆的方法包括：基于从感测到的车辆操作参数得到的多个电池度量的朝向对应的阈值的收敛速率来预测车辆电池的劣化状态，所述阈值是基于过去驾驶历史数据而确定，所述过去驾驶历史数据包括所述多个电池度量中的每一个的过去历史；以及将所述预测到的劣化状态转换成在电池寿命终止之前的剩余的时间或持续时间，以显示给车辆驾驶员。
根据一个实施例，所述多个电池度量包括电池电阻和电池容量，并且所述感测到的车辆操作参数包括电池电流、电池电压和电池端子温度中的一个或多个。
根据一个实施例，所述预测包括预测随所述多个电池度量中的任一个的所述收敛速度增加而更高的劣化状态。
根据一个实施例，本发明的特征还在于，基于在所述转换之后的车辆性能而更新所述对应的阈值。
根据一个实施例，本发明的特征还在于，将所述预测到的劣化状态与寿命终止阈值以及当前劣化状态和所述寿命终止阈值之间的一个或多个中间阈值进行比较；以及基于所述比较而限制一个或多个车辆功能。
根据一个实施例，所述车辆是自主车辆，并且其中所述限制包括：当所述预测到的劣化状态低于所述一个或多个中间阈值和所述寿命终止阈值中的每一个时，在不限制任何自主车辆功能性的情况下操作所述车辆；当所述预测到的劣化状态高于所述一个或多个中间阈值中的第一个中间阈值时，以对自主车辆功能性的第一程度的限制操作所述车辆；当所述预测到的劣化状态高于所述一个或多个中间阈值中的大于所述一个或多个中间阈值中的所述第一个中间阈值的第二个中间阈值时，以对自主车辆功能性的高于所述第一程度的第二程度的限制操作所述车辆；并且当所述预测到的劣化状态高于所述一个或多个中间阈值和所述寿命终止阈值中的每一个时，在没有自主车辆功能性的情况下操作所述车辆。
根据一个实施例，本发明的特征还在于，根据从所述确定的度量的所述过去历史检索到的对所述确定的度量的最近估计以及自从对所述确定的度量的所述最近估计以来所述车辆所行进的距离来估计所述确定的度量的值。
根据一个实施例，本发明的特征还在于，根据在所述部件安装在所述车辆中时从所述确定的度量的所述过去历史检索到的对所述确定的度量的初始估计来估计所述确定的度量的值。
根据一个实施例，本发明的特征还在于，基于所述过去驾驶历史数据和预测到的未来驾驶，将所述预测到的劣化状态转换成发动机起动事件的剩余次数以显示给所述车辆驾驶员。
根据一个实施例，在所述车辆外确定所述阈值，而在所述车辆上确定所述收敛速率。
根据一个实施例，所述车辆是车队的多个车辆中的一个，所述方法还包括：在至少阈值持续时间内估计所述车队的每个车辆的所述多个电池度量；以及响应于所述估计而预测所述车辆电池的所述劣化状态。
根据一个实施例，本发明的特征还在于，响应于在所述预测之后的所述车队的每个车辆的性能而更新所述车辆的所述寿命终止阈值和所述一个或多个中间阈值中的每一个。
根据本发明，一种用于预测车辆的电池健康状况的方法包括：使用一个或多个车载电池监视传感器实时地监视至少一个电池健康参数；基于从车辆通信网络和车辆工况收集的信息而确定监视的电池健康参数的阈值；基于监视的电池健康参数向所述确定的阈值的收敛速度而限定电池寿命终止预测算法；以及基于所述预测算法而估计所述电池的寿命终止。
根据一个实施例，本发明的特征还在于，基于所述估计而限制所述车辆的需要电力的一个或多个自主功能或安全相关功能，限制程度是基于相对于寿命终止阈值的所述估计的寿命终止。
根据一个实施例，本发明的特征还在于，基于所述估计而限制所述车辆的一个或多个非必要的需要电力的***，限制程度是基于相对于寿命终止阈值的所述估计的寿命终止，所述车辆的所述一个或多个非必要的需要电力的***包括电致动防侧倾控制***。
根据一个实施例，所述车辆是车辆车队中的多个车辆中的一个，并且其中确定所述阈值包括基于从所述车队的所述多个车辆中的每一个收集并经由所述车辆通信网络接收的电池寿命终止信息而确定所述阈值。
根据本发明，提供了一种车辆***，所述车辆***具有：电池；一个或多个传感器，所述一个或多个传感器耦合到所述电池；马达，使用从所述电池汲取的电力驱动所述马达；发动机；网络，所述网络将所述车辆***通信地耦合到车队的一个或多个附加车辆；显示器；以及控制器，所述控制器具有用于进行以下操作的计算机可读指令：基于多个感测到的电池参数的朝向对应的参数阈值的收敛速率而预测在所述电池的寿命终止之前剩余的持续时间，所述阈值是基于所述车辆***的电池历史和所述车队的所述一个或多个附加车辆中的每一个而确定；将所述预测到的持续时间与寿命终止阈值进行比较；以及基于所述比较而限制所述车辆的一个或多个功能。
根据一个实施例，所述控制器包括用于进行以下操作的其它指令：当所述预测到的持续时间高于所述寿命终止阈值时，在所述显示器上向车辆驾驶员显示所述预测到的持续时间并限制所述车辆的自主功能性。
根据一个实施例，基于所述比较而限制所述车辆的一个或多个功能包括限制动力转向辅助、气候控制和娱乐***操作中的一个或多个。
根据一个实施例，本发明的特征还在于，通信地耦合到所述控制器和所述一个或多个传感器的电池寿命预测***，其中所述控制器包括用于进行以下操作的其它指令：基于在所述预测之后监视所述车队的所述一个或多个附加车辆中的每一个的所述电池寿命预测***的性能而更新所述寿命终止阈值，所述寿命终止阈值响应于所述预测***性能的下降而降低。

Claims (15)

1.一种用于车辆的方法，包括：
基于从感测到的车辆操作参数得到的多个电池度量的朝向对应的阈值的收敛速率来预测车辆电池的劣化状态，所述阈值是基于过去驾驶历史数据而确定，所述过去驾驶历史数据包括所述多个电池度量中的每一个的过去历史；以及
将所述预测到的劣化状态转换成在电池寿命终止之前的剩余的时间或持续时间，以显示给车辆驾驶员。
2.如权利要求1所述的方法，其中所述多个电池度量包括电池电阻和电池容量，并且所述感测到的车辆操作参数包括电池电流、电池电压和电池端子温度中的一个或多个。
3.如权利要求2所述的方法，其中所述预测包括随着所述多个电池度量中的任一个的所述收敛速度增加而预测更高的劣化状态。
4.如权利要求1所述的方法，所述方法还包括基于在所述转换之后的车辆性能而更新所述对应的阈值。
5.如权利要求1所述的方法，所述方法还包括：
将所述预测到的劣化状态与寿命终止阈值以及当前劣化状态和所述寿命终止阈值之间的一个或多个中间阈值进行比较；以及
基于所述比较而限制一个或多个车辆功能。
6.如权利要求5所述的方法，其中所述车辆是自主车辆，并且其中所述限制包括：
当所述预测到的劣化状态低于所述一个或多个中间阈值和所述寿命终止阈值中的每一个时，在不限制任何自主车辆功能性的情况下操作所述车辆；
当所述预测到的劣化状态高于所述一个或多个中间阈值中的第一个中间阈值时，以对自主车辆功能性的第一程度的限制操作所述车辆；
当所述预测到的劣化状态高于所述一个或多个中间阈值中的大于所述一个或多个中间阈值中的所述第一个中间阈值的第二个中间阈值时，以对自主车辆功能性的高于所述第一程度的第二程度的限制操作所述车辆；并且
当所述预测到的劣化状态高于所述一个或多个中间阈值和所述寿命终止阈值中的每一个时，在没有自主车辆功能性的情况下操作所述车辆。
7.如权利要求1所述的方法，所述方法还包括：根据从所述确定的度量的所述过去历史检索到的对所述确定的度量的最近估计以及自从对所述确定的度量的所述最近估计以来所述车辆所行进的距离来估计所述确定的度量的值。
8.如权利要求1所述的方法，所述方法还包括：根据在将部件安装在所述车辆中时从所述确定的度量的所述过去历史检索到的对所述确定的度量的初始估计来估计所述确定的度量的值。
9.如权利要求1所述的方法，所述方法还包括：基于所述过去驾驶历史数据和预测到的未来驾驶，将所述预测到的劣化状态转换成发动机起动事件的剩余次数以显示给所述车辆驾驶员。
10.如权利要求1所述的方法，其中在所述车辆外确定所述阈值，而所述车辆上确定所述收敛速率。
11.如权利要求6所述的方法，其中所述车辆是车队的多个车辆中的一个，所述方法还包括：
在至少阈值持续时间内估计所述车队的每个车辆的所述多个电池度量；以及
响应于所述估计而预测所述车辆电池的所述劣化状态。
12.如权利要求11所述的方法，所述方法还包括：响应于在所述预测之后的所述车队的每个车辆的性能而更新所述车辆的所述寿命终止阈值和所述一个或多个中间阈值中的每一个。
13.一种车辆***，所述车辆***包括：
电池；
一个或多个传感器，所述一个或多个传感器耦合到所述电池；
马达，使用从所述电池汲取的电力驱动所述马达；
发动机；
网络，所述网络将所述车辆***通信地耦合到车队的一个或多个附加车辆；
显示器；以及
控制器，所述控制器具有用于进行以下操作的计算机可读指令：
基于多个感测到的电池参数的朝向对应的参数阈值的收敛速率而预测在所述电池的寿命终止之前剩余的持续时间，所述阈值是基于所述车辆***的电池历史和所述车队的所述一个或多个附加车辆中的每一个而确定；
将所述预测到的持续时间与寿命终止阈值进行比较；以及
基于所述比较而限制所述车辆的一个或多个功能。
14.如权利要求13所述的***，其中所述控制器包括用于进行以下操作的其它指令：
当所述预测到的持续时间高于所述寿命终止阈值时，在所述显示器上向车辆驾驶员显示所述预测到的持续时间并限制所述车辆的自主功能性。
15.如权利要求14所述的***，其中基于所述比较而限制所述车辆的一个或多个功能包括限制动力转向辅助、气候控制和娱乐***操作中的一个或多个，其中所述***还包括通信地耦合到所述控制器和所述一个或多个传感器的电池寿命预测***，并且所述控制器包括用于进行以下操作的其它指令：基于在所述预测之后监视所述车队的所述一个或多个附加车辆中的每一个的所述电池寿命预测***的性能而更新所述寿命终止阈值，所述寿命终止阈值响应于所述预测***性能的下降而降低。
CN201811510431.7A 2017-12-11 2018-12-11 用于预测电池寿命的方法 Pending CN109901075A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/837,489 US11072258B2 (en) 2017-12-11 2017-12-11 Method for predicting battery life
US15/837,489 2017-12-11

Publications (1)

Publication Number Publication Date
CN109901075A true CN109901075A (zh) 2019-06-18

Family

ID=66629402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811510431.7A Pending CN109901075A (zh) 2017-12-11 2018-12-11 用于预测电池寿命的方法

Country Status (3)

Country Link
US (1) US11072258B2 (zh)
CN (1) CN109901075A (zh)
DE (1) DE102018131626A1 (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110687451A (zh) * 2019-08-28 2020-01-14 武汉科技大学 基于误差补偿的支持向量机锂电池剩余寿命预测方法
CN110750526A (zh) * 2019-10-17 2020-02-04 北京五维星宇科技有限公司 单装使用计划生成方法、装置及存储介质
CN112347692A (zh) * 2020-09-21 2021-02-09 深圳前海有电物联科技有限公司 不间断电源的电池预测性维护的实现方法、装置和电子装置
CN113147630A (zh) * 2021-04-30 2021-07-23 江铃汽车股份有限公司 一种模式控制方法、***、可读存储介质及车辆
CN113298278A (zh) * 2020-02-19 2021-08-24 硕天科技股份有限公司 具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器
CN113442850A (zh) * 2020-03-26 2021-09-28 本田技研工业株式会社 车辆管理***
CN113608137A (zh) * 2021-07-30 2021-11-05 骆驼集团武汉光谷研发中心有限公司 一种质子交换膜燃料电池电堆寿命预测方法
CN113655382A (zh) * 2021-06-23 2021-11-16 华北水利水电大学 一种基于氢气产生速率比率预知ups电池故障方法
WO2021238247A1 (zh) * 2020-05-26 2021-12-02 同济大学 一种基于弛豫电压特征的电池内短路诊断方法
CN115718258A (zh) * 2021-08-25 2023-02-28 福特全球技术公司 电池故障检测
CN116176280A (zh) * 2023-04-14 2023-05-30 广东绿通新能源电动车科技股份有限公司 一种用于新能源观光电车的故障预警***
WO2023152724A1 (en) * 2022-02-14 2023-08-17 Oben Electric Vehicles Private Limited System and method for interacting with an electric two-wheeler vehicle user

Families Citing this family (64)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102608464B1 (ko) * 2016-10-05 2023-12-01 삼성전자주식회사 배터리를 관리하는 방법 및 장치
US10400687B2 (en) * 2016-10-20 2019-09-03 Dynacert Inc. Management system and method for regulating the on-demand electrolytic production of hydrogen and oxygen gas for injection into a combustion engine
US11072258B2 (en) * 2017-12-11 2021-07-27 Ford Global Technologies, Llc Method for predicting battery life
US11640733B2 (en) * 2017-12-23 2023-05-02 Tesla, Inc. Autonomous driving system component fault prediction
US11186201B2 (en) * 2018-04-13 2021-11-30 Honeywell International Inc. Calculate lifetime of a battery based on battery use data from multiple network connected electric vehicles
EP3784891A4 (en) 2018-04-27 2022-06-08 Dynacert Inc. SYSTEMS AND METHODS FOR IMPROVING THE FUEL ECONOMY OF INTERNAL ENGINES
US20190378349A1 (en) * 2018-06-07 2019-12-12 GM Global Technology Operations LLC Vehicle remaining useful life prediction
JPWO2019235645A1 (ja) * 2018-06-08 2021-06-17 パナソニックＩｐマネジメント株式会社 バッテリ管理システム及びバッテリ管理方法
CN112956064A (zh) * 2018-06-19 2021-06-11 B·E·蔡尔 带有蓄电池诊断、蓄电池寿命预测的特定类别工业蓄电池优化和修复设备以及人工智能装置
DE102018116472A1 (de) * 2018-07-06 2020-01-09 Torqeedo Gmbh Verfahren, Computerprogrammprodukt und Prognosesystem zur Bestimmung der Lebensdauer einer Antriebsbatterie eines Fahrzeugs, insbesondere eines Boots
US10755494B2 (en) * 2018-08-03 2020-08-25 Ford Global Technologies, Llc Vehicle component diagnostic
US11157055B2 (en) * 2018-10-05 2021-10-26 Toyota Motor North America, Inc. Apparatus, methods, and systems for tracking vehicle battery usage with a blockchain
US11069926B1 (en) * 2019-02-14 2021-07-20 Vcritonc Alpha, Inc. Controlling ongoing battery system usage via parametric linear approximation
US11084387B2 (en) * 2019-02-25 2021-08-10 Toyota Research Institute, Inc. Systems, methods, and storage media for arranging a plurality of cells in a vehicle battery pack
KR102586460B1 (ko) * 2019-03-07 2023-10-06 현대자동차주식회사 배터리 사용 습관 및 배터리 방전 경향 예측 시스템
US11590887B2 (en) 2019-03-15 2023-02-28 Ess-Help, Inc. Control of high visibility vehicle light communication systems
US11518298B2 (en) 2019-03-15 2022-12-06 ESS-Help, lnc. High visibility lighting for autonomous vehicles
EP4391726A2 (en) 2019-03-15 2024-06-26 Ess-Help, Inc. Control of high visibility vehicle light communication systems
JP7065261B2 (ja) 2019-03-28 2022-05-11 イーエスエス－ヘルプ，インコーポレーテッド 遠隔車両ハザードおよび通知ビーコン
KR20210016172A (ko) * 2019-08-01 2021-02-15 현대자동차주식회사 공유 배터리 시스템 및 그의 배터리 제어 방법과 그를 포함하는 모빌리티 공유 서비스 시스템
CN112394703B (zh) * 2019-08-14 2022-06-10 中车时代电动汽车股份有限公司 一种车辆故障管理***
US11476685B2 (en) 2019-09-09 2022-10-18 General Electric Company System and method for detecting battery faults in a pitch system of a wind turbine
JP7503763B2 (ja) 2019-09-25 2024-06-21 パナソニックＩｐマネジメント株式会社 車載報知装置、報知プログラム
JP7472459B2 (ja) * 2019-10-03 2024-04-23 株式会社Ｇｓユアサ 推定装置、推定方法、及びコンピュータプログラム
JP2021060230A (ja) * 2019-10-03 2021-04-15 株式会社Ｇｓユアサ 推定装置、推定方法、及びコンピュータプログラム
DE102019129902B4 (de) * 2019-11-06 2023-03-16 Clarios Advanced Solutions Gmbh Verfahren und system zum vorhersagen einer motorstart-performance eines elektrischen energiespeichersystems
CN110824361B (zh) * 2019-11-20 2022-07-26 中国船舶重工集团海装风电股份有限公司 风电机组超级电容剩余寿命计算方法、装置、设备及介质
CN110901468B (zh) * 2019-11-26 2022-11-29 神龙汽车有限公司 一种电动教练车剩余续航里程计算方法
CN110907754B (zh) * 2019-12-02 2021-10-01 国网福建省电力有限公司莆田供电公司 一种基于psd-bpa的故障线路严重程度评估方法
US11498446B2 (en) * 2020-01-06 2022-11-15 Ford Global Technologies, Llc Plug-in charge current management for battery model-based online learning
US11181586B2 (en) 2020-01-15 2021-11-23 Medtronic, Inc. Model-based capacity and resistance correction for rechargeable battery fuel gauging
US11529887B2 (en) 2020-01-24 2022-12-20 Toyota Research Institute, Inc. System and method for controlling a battery management system
US11346891B2 (en) * 2020-03-20 2022-05-31 Mitsubishi Electric Research Laboratories, Inc. Battery diagnostic system for estimating remaining useful life (RUL) of a battery
DE102020205061A1 (de) 2020-04-22 2021-10-28 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Unterstützen eines Fahrers eines elektrisch antreibbaren Fahrzeugs
DE102020205060A1 (de) 2020-04-22 2021-10-28 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zum Unterstützen eines Fahrers eines elektrisch antreibbaren Fahrzeugs
US11865944B2 (en) 2020-05-29 2024-01-09 Deltran Operations Usa, Inc. Battery management system for batteries in engine start and deep cycle applications
JP7354931B2 (ja) * 2020-06-02 2023-10-03 トヨタ自動車株式会社 車両販売システム
KR20210149626A (ko) * 2020-06-02 2021-12-09 주식회사 엘지에너지솔루션 배터리 서비스 제공 시스템 및 방법
DE102020115372A1 (de) 2020-06-10 2021-12-16 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Ermittlung der Alterung einer Fahrzeugbatterie
US11608081B2 (en) * 2020-08-06 2023-03-21 Gm Cruise Holdings Llc Autonomous vehicle low battery management
WO2022040399A1 (en) * 2020-08-19 2022-02-24 Cornell University Simulation-based optimization framework for controlling electric vehicles
US20220067667A1 (en) * 2020-08-25 2022-03-03 ANI Technologies Private Limited Predictive maintenance of vehicle components
US11333712B2 (en) * 2020-08-28 2022-05-17 Sparkcognttion, Inc. Battery failure prediction
US11704945B2 (en) * 2020-08-31 2023-07-18 Nissan North America, Inc. System and method for predicting vehicle component failure and providing a customized alert to the driver
DE102020212297A1 (de) 2020-09-29 2022-03-31 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zur robusten Vorhersage des Alterungsverhaltens eines Energiespeichers in einer batteriebetriebenen Maschine
JP7388332B2 (ja) * 2020-10-12 2023-11-29 トヨタ自動車株式会社 二次電池の劣化判定装置
CN112417767B (zh) * 2020-12-09 2024-02-27 东软睿驰汽车技术（沈阳）有限公司 一种衰减趋势确定模型构建方法、衰减趋势确定方法
CN113022484B (zh) * 2021-03-10 2023-11-28 上海仙塔智能科技有限公司 一种蓄电池监测方法、装置、车辆及计算机存储介质
JP2024516140A (ja) * 2021-04-15 2024-04-12 シーピーエス テクノロジー ホールディングス エルエルシー インテリジェント鉛酸バッテリシステム及びその動作方法
FR3122260A1 (fr) * 2021-04-21 2022-10-28 Psa Automobiles Sa Procede de diagnostic d’etat de fonctionnement d’un stockeur d’energie electrique de vehicule automobile
US20220357406A1 (en) * 2021-05-04 2022-11-10 Toyota Motor North America, Inc. Electric vehicle battery maintenance
US11801768B2 (en) 2021-05-05 2023-10-31 Toyota Motor North America, Inc. Transport battery health
WO2022241025A1 (en) * 2021-05-11 2022-11-17 Ess-Help, Inc. High visibility lighting for autonomous vehicles
US11697383B2 (en) 2021-05-21 2023-07-11 Ford Global Technologies, Llc State of function adaptive power management
DE102021125478B4 (de) * 2021-09-30 2023-11-02 TWAICE Technologies GmbH Bestimmung eines alterungswerts für batterien mit strom-spannungs-zeitreihen in zeitdomäne und belastungsdomäne
US11443569B1 (en) * 2021-10-30 2022-09-13 Beta Air, Llc Systems and methods for battery management for a vehicle
US20230186191A1 (en) * 2021-12-13 2023-06-15 Caterpillar Global Mining Equipment Llc Machine Management Based on Battery Status
US20230196846A1 (en) * 2021-12-17 2023-06-22 Caterpillar Inc. Machine and battery system prognostics
US20230219456A1 (en) * 2022-01-11 2023-07-13 Ford Global Technologies, Llc Control of vehicle battery
US11821958B2 (en) * 2022-01-26 2023-11-21 Nuvation Research Corporation Systems, methods, and devices for state-of-health estimation in energy storage systems
US11970294B2 (en) 2022-05-25 2024-04-30 Beta Air, Llc Apparatus and a method for determining a resource remaining datum of an electric aircraft
CN115139860B (zh) * 2022-07-06 2024-06-07 东风柳州汽车有限公司 电池包加热方法、装置、设备及存储介质
WO2024108140A2 (en) * 2022-11-18 2024-05-23 Cps Technology Holdings Llc System for replacing vehicle battery modules and method thereof
WO2024134484A1 (en) * 2022-12-20 2024-06-27 Maserati S.P.A. A method for the improved management of an automotive battery, with monitoring of the energy expenditure

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100554241B1 (ko) * 1999-09-09 2006-02-22 도요다 지도샤 가부시끼가이샤 배터리용량계측 및 잔존용량 산출장치
GB2357585B (en) * 1999-12-22 2003-10-29 Nokia Mobile Phones Ltd Battery life indication
US20020026252A1 (en) 2000-05-15 2002-02-28 Wruck William J. Computer system for vehicle battery selection based on vehicle operating conditions
US20030184307A1 (en) 2002-02-19 2003-10-02 Kozlowski James D. Model-based predictive diagnostic tool for primary and secondary batteries
US20070173991A1 (en) * 2006-01-23 2007-07-26 Stephen Tenzer System and method for identifying undesired vehicle events
JP4238875B2 (ja) 2006-02-10 2009-03-18 トヨタ自動車株式会社 ハイブリッド車用電池寿命評価装置
US8972213B2 (en) 2008-06-27 2015-03-03 GM Global Technology Operations LLC Pattern recognition approach to battery diagnosis and prognosis
US8519674B2 (en) 2009-11-12 2013-08-27 GM Global Technology Operations LLC Method for estimating battery degradation in a vehicle battery pack
JP5737406B2 (ja) * 2011-08-11 2015-06-17 トヨタ自動車株式会社 車両の制御装置、車両、および、車両を制御する方法
US8719195B2 (en) 2011-10-10 2014-05-06 The Boeing Company Battery adaptive learning management system
DE102011084688B4 (de) * 2011-10-18 2022-06-30 Robert Bosch Gmbh Batteriesystem
US9452720B2 (en) * 2012-01-27 2016-09-27 Continental Automotive Systems, Inc. Telematics master of power
CN106068461A (zh) * 2014-03-18 2016-11-02 株式会社东芝 劣化推测方法、劣化推测***及劣化推测程序
DE102014220153A1 (de) 2014-10-06 2016-04-07 Ford Global Technologies, Llc Verfahren zur Überwachung des Zustands einer Batterie in einem Kraftfahrzeug
DE102015217692A1 (de) 2014-10-09 2016-04-14 Ford Global Technologies, Llc Verfahren zur Überwachung des Zustands einer Batterie in einem Kraftfahrzeug
DE102015206878B4 (de) 2015-04-16 2024-03-14 Ford Global Technologies, Llc Verfahren zum Betrieb einer Batterie
US9789784B2 (en) 2015-05-13 2017-10-17 Ford Global Technologies, Llc Maintaining a vehicle battery
US10197631B2 (en) * 2015-06-01 2019-02-05 Verizon Patent And Licensing Inc. Systems and methods for determining vehicle battery health
US10578677B2 (en) * 2015-06-30 2020-03-03 Zoll Medical Corporation Systems and methods for monitoring battery life status
US10093197B2 (en) * 2015-12-22 2018-10-09 Ford Global Technologies, Llc Key off energy management system
US10014700B2 (en) * 2016-02-04 2018-07-03 Johnson Controls Technology Company Integrated battery safety interlock
US10319157B2 (en) * 2016-03-22 2019-06-11 GM Global Technology Operations LLC System and method for automatic maintenance
US11072258B2 (en) * 2017-12-11 2021-07-27 Ford Global Technologies, Llc Method for predicting battery life

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110687451A (zh) * 2019-08-28 2020-01-14 武汉科技大学 基于误差补偿的支持向量机锂电池剩余寿命预测方法
CN110750526A (zh) * 2019-10-17 2020-02-04 北京五维星宇科技有限公司 单装使用计划生成方法、装置及存储介质
CN113298278B (zh) * 2020-02-19 2023-12-05 硕天科技股份有限公司 具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器
TWI753397B (zh) * 2020-02-19 2022-01-21 碩天科技股份有限公司 具有自我健康狀態預測功能的電力設備及其自我健康狀態預測方法以及適用於多個電力設備的雲端伺服器
CN113298278A (zh) * 2020-02-19 2021-08-24 硕天科技股份有限公司 具有自我健康状态预测功能的电力设备及其自我健康状态预测方法以及云端服务器
CN113442850A (zh) * 2020-03-26 2021-09-28 本田技研工业株式会社 车辆管理***
WO2021238247A1 (zh) * 2020-05-26 2021-12-02 同济大学 一种基于弛豫电压特征的电池内短路诊断方法
CN112347692A (zh) * 2020-09-21 2021-02-09 深圳前海有电物联科技有限公司 不间断电源的电池预测性维护的实现方法、装置和电子装置
CN112347692B (zh) * 2020-09-21 2024-02-06 深圳有电物联科技有限公司 不间断电源的电池预测性维护的实现方法、装置和电子装置
CN113147630A (zh) * 2021-04-30 2021-07-23 江铃汽车股份有限公司 一种模式控制方法、***、可读存储介质及车辆
CN113147630B (zh) * 2021-04-30 2023-04-25 江铃汽车股份有限公司 一种模式控制方法、***、可读存储介质及车辆
CN113655382A (zh) * 2021-06-23 2021-11-16 华北水利水电大学 一种基于氢气产生速率比率预知ups电池故障方法
CN113655382B (zh) * 2021-06-23 2023-11-14 华北水利水电大学 一种基于氢气产生速率比率预知ups电池故障方法
CN113608137A (zh) * 2021-07-30 2021-11-05 骆驼集团武汉光谷研发中心有限公司 一种质子交换膜燃料电池电堆寿命预测方法
CN115718258A (zh) * 2021-08-25 2023-02-28 福特全球技术公司 电池故障检测
WO2023152724A1 (en) * 2022-02-14 2023-08-17 Oben Electric Vehicles Private Limited System and method for interacting with an electric two-wheeler vehicle user
CN116176280A (zh) * 2023-04-14 2023-05-30 广东绿通新能源电动车科技股份有限公司 一种用于新能源观光电车的故障预警***
CN116176280B (zh) * 2023-04-14 2023-10-24 广东绿通新能源电动车科技股份有限公司 一种用于新能源观光电车的故障预警***

Also Published As

Publication number Publication date
US20190176639A1 (en) 2019-06-13
DE102018131626A1 (de) 2019-06-13
US11072258B2 (en) 2021-07-27

Similar Documents

Publication Publication Date Title
CN109901075A (zh) 用于预测电池寿命的方法
CN108327721A (zh) 用于监测部件寿命的方法
Meissner et al. The challenge to the automotive battery industry: the battery has to become an increasingly integrated component within the vehicle electric power system
US11024103B2 (en) Method for sharing and receiving vehicle fuel quality alerts
CN108331685B (zh) 用于监测部件寿命的方法
CN104155409B (zh) 汽车虚拟湿度传感器
RU2670579C2 (ru) Способ бортовой диагностики транспортного средства (варианты) и способ бортовой диагностики транспортного средства с гибридным приводом
US11162447B2 (en) Vehicle predictive control system based on big data and method thereof
CN113202607B (zh) 车辆颗粒物捕集器的再生控制方法、***及存储介质
CN109595101A (zh) 用于具有单个δ压力传感器的蒸发排放***和燃料***的***和方法
CN104832302A (zh) 用于发动机和动力传动***控制的方法和***
DE102011121245A1 (de) Verfahren und System zur Konditionierung eines Energiespeichersystems (ESS) für ein Fahrzeug
US10940753B2 (en) Systems and methods for low power consumption fuel level indication
CN102112890A (zh) 基于远程通讯诊断车辆能否启动的方法和装置
KR101509745B1 (ko) 공조장치 소비전력 산출방법
CN109747571A (zh) 用于控制模块闹钟唤醒的***和方法
CN109595102A (zh) 用于具有单个δ压力传感器的蒸发排放***和燃料***的***和方法
CN110497820A (zh) 云管理高压电池配置文件恢复
CN111612937A (zh) 车载诊断监测程序规划和执行
CN111717070A (zh) 用于自主车辆的智能soc重置***
US20230141525A1 (en) Adjusting battery soc based on future use of an electric vehicle
Kropiwnicki et al. Analysis of the regenerative braking process for the urban traffic conditions
US11772664B2 (en) Vehicle load shedding
Pandey Online control of automotive systems for improved real-world performance
CN116513077A (zh) 车辆保养的提示方法、控制器、车辆及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination