CN117280204A - 状态量推测装置、状态量推测方法及程序 - Google Patents

状态量推测装置、状态量推测方法及程序 Download PDF

Info

Publication number
CN117280204A
CN117280204A CN202280033464.5A CN202280033464A CN117280204A CN 117280204 A CN117280204 A CN 117280204A CN 202280033464 A CN202280033464 A CN 202280033464A CN 117280204 A CN117280204 A CN 117280204A
Authority
CN
China
Prior art keywords
state quantity
secondary battery
sound
state
information
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
CN202280033464.5A
Other languages
English (en)
Inventor
中尾武寿
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.)
Panasonic Intellectual Property Corp of America
Original Assignee
Panasonic Intellectual Property Corp of America
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 Panasonic Intellectual Property Corp of America filed Critical Panasonic Intellectual Property Corp of America
Publication of CN117280204A publication Critical patent/CN117280204A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • 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
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/005—Detection of state of health [SOH]
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

状态量推测装置(10)具有：收音部(12)，在二次电池(1)的充电时或放电时，与二次电池(1)非接触且在二次电池(1)的附近收集从二次电池(1)发出的声音；推测部(13c)，基于由收音部(12)收集到的声音的信息来推测表示二次电池(1)的状态的状态量；输出由推测部(13c)推测出的状态量。

Description

状态量推测装置、状态量推测方法及程序
技术领域
本公开涉及状态量推测装置、状态量推测方法及程序。
背景技术
以往，已知一种对二次电池进行完全充电或完全放电以推测二次电池的内部状态的方法。然而，在该方法中，需要使二次电池完全充电或放电，需要较长时间，因此要求以更短时间来推测二次电池的内部的状态。
例如，专利文献1公开了如下技术：使振动传感器紧贴二次电池，测定在使二次电池充电或放电时在二次电池的内部产生的声发射(超声波)，来推测表示二次电池的内部状态的状态量。
在先技术文献
专利文献
专利文献1：日本特开2012-251919号公报
发明内容
发明要解决的问题
但是，在专利文献1所记载的技术中，虽然能够在比以往短的时间内推测二次电池的状态量，但是需要使振动传感器与二次电池紧贴，因此无法推测例如像电池组那样在框体内包含单电池的构造的二次电池的状态量。
因此，本公开提供一种能够以非接触方式迅速地推测二次电池的状态量的状态量推测装置、状态量推测方法以及程序。
解决问题的手段
本公开的一个方式的状态量推测装置具备：收音部，在二次电池的充电时或放电时，与所述二次电池非接触且在所述二次电池的附近收集从所述二次电池发出的声音；推测部，基于由所述收音部收集的所述声音的信息，推测表示所述二次电池的状态的状态量；以及输出部，输出由所述推测部推测的所述状态量。
发明的效果
根据本公开，能够提供一种能够以非接触方式迅速地推测二次电池的状态量的状态量推测装置、状态量推测方法以及程序。
附图说明
图1是表示应用实施方式的状态量推测装置的状态量推测***的一例的图。
图2是表示实施方式中的状态量推测***的功能结构的一例的框图。
图3是表示实施方式的状态量推测装置的动作的一例的流程图。
图4是表示图3的步骤S2的详细流程的一例的流程图。
图5是表示充电状态不同的两个二次电池各自发出的声音的信息的一例的图。
图6是表示充电状态不同的两个二次电池各自发出的声音的信息的其他例的图。
图7是表示劣化状态不同的两个二次电池各自发出的声音的信息的一例的图。
图8是表示劣化状态不同的两个二次电池各自发出的声音的信息的其他例的图。
图9是表示动作例1的二次电池的状态量推测的第一例的图。
图10是表示在第一例中计算出的SoC(State of Charge，荷电状态)的推测值和推测精度的图。
图11是表示动作例1的二次电池的状态量推测的第二例的图。
图12是表示在第二例中计算出的SoH(State of Health，健康状态)的推测值和推测精度的图。
图13是表示图3的步骤S2的详细流程的其他例的流程图。
图14是用于说明机器学习模型的构造的一例的图。
图15是用于说明机器学习模型的输出层的图。
图16是表示机器学习模型的学习阶段以及利用了学习完毕的机器学习模型的推测阶段的一例的图。
图17是表示显示例的图。
图18是表示实施方式的变形例1中的状态量推测***的功能结构的一例的框图。
具体实施方式
(实现本发明的见解)
以往，已知一种对二次电池进行完全充电或完全放电以推测二次电池的内部状态的方法。然而，在该方法中，需要使二次电池完全充电或放电，需要较长时间，因此要求以更短时间来推测二次电池的内部的状态。例如，专利文献1公开了如下技术：使振动传感器紧贴二次电池，测定在使二次电池充电或放电时在二次电池的内部产生的声发射(超声波)，来推测表示二次电池的内部状态的状态量。但是，在专利文献1所记载的技术中，虽然能够在比以往短的时间内推测二次电池的状态量，但是需要使振动传感器与二次电池紧贴，因此无法推测例如像电池组那样在框体内包含单电池的构造的二次电池的状态量。
另外，例如，作为以非接触方式推测二次电池的状态量的方法，可以考虑通过向二次电池照射超声波并测量透过二次电池的超声波来推测二次电池的内部状态的方法。然而，在该方法中，在透射方向的厚度大的情况下，例如透射方向的厚度大的二次电池、以及像电池组那样在框体中包括多个单电池的二次电池等，不能测量透过二次电池的超声波，因此通用性差。
因此，本发明人等鉴于上述课题进行了深入研究，结果发现，能够在充放电时，与二次电池非接触且在该二次电池的附近收集从二次电池发出的声音，并基于收集到的声音的信息来推测二次电池的状态量。由此，发现了对于例如像电池组那样在框体内包括单电池的结构的二次电池也能够推测状态量。
因此，根据本公开，能够提供一种能够以非接触方式迅速地推测二次电池的状态量的状态量推测装置、状态量推测方法以及程序。
(本公开的概述)
本公开的一个方式的概要如下。
本公开的一个方式的状态量推测装置具备：收音部，在二次电池的充电时或放电时，与所述二次电池非接触且在所述二次电池的附近收集从所述二次电池发出的声音；推测部，基于由所述收音部收集的所述声音的信息，推测表示所述二次电池的状态的状态量；以及输出部，输出由所述推测部推测的所述状态量。
由此，状态量推测装置不需要进行完全充电或完全放电以测定二次电池的状态量，因此能够迅速推测二次电池的状态量。另外，由于状态量推测装置能够基于在二次电池附近收集的声音的信息来推测状态量，因此能够以非接触方式对二次电池推测状态量。因此，状态量推测装置例如能够推测二次电池的状态量，而不需要从框体取出保持在框体内的二次电池。因此，状态量推测装置能够以非接触方式迅速地推测二次电池的状态量。
例如，也可以是，在本公开的一个方式的状态量推测装置中，所述推测部基于通过将所述声音的信息输入到学习完毕的机器学习模型即学习完毕模型而得到的输出结果来推测所述状态量。
由此，状态量推测装置能够通过使用学习完毕的机器学习模型，更容易地提取声音的信息的规则性(所谓的特征量)。因此，状态量推测装置能够更简便地推测二次电池的状态量。
例如，也可以是，在本公开的一个方式的状态量推测装置中，所述机器学习模型是使用教师数据来学习的，所述教师数据是由所述声音的信息以及注释构成的数据集，所述注释表示收集了所述声音的所述二次电池的电池余量及劣化度中的至少某一个。
由此，状态量推测装置提高了机器学习模型的学习精度，因此能够高精度地推测二次电池的状态。
例如，也可以是，在本公开的一个方式的状态量推测装置中，所述声音的信息是包含所述声音的持续时间、声压和波形中的至少一个以及所述声音的频带的信息。另外，例如，也可以是，所述声音的信息的形式是所述声音的时间序列的数值数据、频谱图的图像或者频率特性的图像。
由此，状态量推测装置容易基于声音的信息的规则性(所谓的特征量)来推测二次电池的状态量。
例如，也可以是，在本公开的一个方式的状态量推测装置中，所述状态量是表示所述二次电池的充电状态和劣化状态中的至少某一个的指标的值。
由此，状态量推测装置能够更准确地推测二次电池的状态。
例如，也可以是，在本公开的一个方式的状态量推测装置中，所述状态量是荷电状态SoC(State of Charge)及健康状态SoH(State of Health)中的至少某一个的值。
由此，状态量推测装置能够基于SoC或SoH中的至少某一个的值来推测二次电池的状态量。
例如，也可以是，在本公开的一个方式的状态量推测装置中，所述声音是超声波频带的频率的声音。
由此，状态量推测装置与通过人的听觉能够感知的频带的声音(所谓的可听音)相比更不易受到噪声的影响，因此能够更准确地推测二次电池的状态量。
另外，本公开的一个方式的状态量推测方法包括：收音步骤，在二次电池的充电时或放电时，与所述二次电池非接触且在所述二次电池的附近收集从所述二次电池发出的声音；推测步骤，基于在所述收音步骤中收集到的所述声音的信息来推测表示所述二次电池的状态的状态量；以及输出步骤，输出在所述推测步骤中推测出的所述状态量。
由此，状态量推测方法不需要进行完全充电或完全放电以测定二次电池的状态量，因此能够迅速推测二次电池的状态量。另外，由于状态量推测方法能够基于与二次电池非接触且在该二次电池的附近收集的声音的信息来推测状态量，因此能够以非接触方式对二次电池推测状态量。因此，状态量推测方法例如能够推测二次电池的状态量，而不需要从框体取出位于框体内的二次电池。因此，状态量推测方法能够以非接触方式迅速地推测二次电池的状态量。
另外，本公开的一个方式的程序是用于使计算机执行上述的状态量推测方法的程序。
由此，能够使用计算机起到与上述的状态量推测方法同样的效果。
此外，这些概括性的或具体的方式既可以通过***、方法、装置、集成电路、计算机程序或计算机可读取的CD-ROM等记录介质实现，也可以通过***、方法、装置、集成电路、计算机程序以及记录介质的任意组合实现。
以下，参照附图具体地说明本公开的实施方式。以下的实施方式所示的数值、形状、材料、构成要素、构成要素的配置位置以及连接方式、步骤、步骤的顺序等是一例，其主旨并非限定请求保护的范围。另外，关于以下的实施方式中的构成要素中的、表示最上位概念的独立技术方案中未记载的构成要素，作为任意的构成要素进行说明。另外，各图并不一定是严格地进行图示的图。在各图中，对于实质上相同的结构标注相同的附图标记，有时省略或简化重复的说明。
此外，在本公开中，平行和垂直等表示要素间的关系性的术语、以及矩形等表示要素的形状的术语以及数值并非仅表示严格的含义，而是意味着包括实质上等同的范围例如百分之几左右的差异。
(实施方式)
以下，参照附图对实施方式进行具体说明。
[状态量推测***]
首先，参照图1对状态量推测***进行说明。图1是表示应用实施方式的状态量推测装置10的状态量推测***100的一例的图。
状态量推测***100在二次电池1的充电时或放电时与二次电池1非接触且在该二次电池1的附近收集从二次电池1发出的声音，基于收集到的声音的信息来推测表示二次电池1的状态的状态量，并将推测出的状态量输出到终端装置20。
在图1中，示出了如下例子：在将二次电池1放置在充电器2中并正在充电时，状态量推测装置10的收音部12配置在二次电池1的附近(例如，图1的距离L的范围内)，并且收集从二次电池1发出的声音。此时，收音部12配置在与二次电池1非接触且接近的位置。例如，收音部12与二次电池1间隔距离L地配置。距离L例如是距离二次电池1的表面大于0mm且50mm以下的范围内的距离即可，可以是cm级的距离，也可以是mm级的距离，还可以是μm级的距离。
[1.结构]
接着，对状态量推测***100的结构进行说明。图2是表示实施方式中的状态量推测***100的功能结构的一例的框图。
如图1及图2所示，状态量推测***100例如具备状态量推测装置10和终端装置20。以下，对各结构进行说明。
[状态量推测装置]
状态量推测装置10在二次电池1的充电时或放电时与二次电池1非接触且在二次电池1的附近收集从二次电池1发出的声音，基于收集到的声音的信息来推测表示二次电池1的状态的状态量，并输出推测出的状态量。输出的状态量可以显示在状态量推测装置10的显示部17上，也可以显示在终端装置20的显示部25上。由此，状态量推测装置10的用户能够确认二次电池1的状态量。
状态量推测装置10例如具备通信部11、收音部12、控制部13、学习部14、存储部15、输入受理部16和显示部17。
通信部11是用于状态量推测装置10与终端装置20进行通信的通信模块(通信电路)。通信部11例如可以是进行无线通信的无线通信电路，也可以是进行有线通信的有线通信电路。通信部11进行的通信的标准没有特别限定。例如，在状态量推测装置10与终端装置20经由本地通信网络进行通信的情况下，通信部11可以作为本地通信电路发挥功能，在状态量推测装置10和终端装置20经由广域通信网络进行通信的情况下，通信部11可以作为广域通信电路发挥功能。
收音部12在二次电池1的充电时或放电时，在二次电池1的附近收集从二次电池1发出的声音。更具体地，收音部12在与二次电池1非接触且接近的位置处收集该声音。如上所述，收音部12在与二次电池1间隔了距离L的位置处收集从二次电池1发出的声音。关于距离L，由于上面已经叙述，所以在此省略说明。在图1的例子中，收音部12通过有线通信与状态量推测装置10的主体(更具体地，控制部13)连接，但也可以通过无线通信连接。在这种情况下，由控制部13的取得部13a经由通信部11取得由收音部12收集的声音。收音部12将收集到的声音转换为电信号，并输出转换后的电信号。收音部12例如是麦克风或麦克风装置。
控制部13进行用于进行状态量推测装置10的动作的控制的信息处理。控制部13例如通过微型计算机实现，但也可以通过处理器或专用电路实现。具体而言，控制部13具备取得部13a、数据转换部13b、推测部13c和输出部13d。取得部13a、数据转换部13b、推测部13c和输出部13d都是通过处理器执行用于进行上述信息处理的程序来实现的。
取得部13a取得由收音部12输出的声音的电信号(例如，声音的数字信号)。
数据转换部13b将由取得部13a取得的声音的电信号转换为规定的形式的信息。由此，生成声音的信息。声音的信息例如为，包含该声音的持续时间、声压和波形中的至少一个以及声音的频带的信息。该声音的信息还可以包含该声音被收集的时刻。声音的信息的形式例如为声音的时间序列的数值数据、频谱图的图像、或频率特性的图像。在声音的信息的形式为图像的情况下，该声音信息例如可以是JPEG(Joint Photographic ExpertsGroup，联合图像专家组)或BMP(Basic Multilingual Plane，基本多文种平面)等形式的图像数据。另外，在声音的信息的形式是时间序列的数值数据的情况下，该声音的信息也可以是WAV(Wave form Audio File Format，波形音频文件格式)等形式的数值数据。例如，数据转换部13b通过对包含在由取得部13a取得的声音的电信号中的频率分量进行FFT(FastFourier Transform，快速傅立叶转换)分析，将该频率分量转换为声音的频谱或频谱图(spectrogram)，并且生成声音的时间序列的数字数据(例如，频率特性或频谱图的时间序列的数值数据)、频谱图的图像或频率特性的图像。
推测部13c基于由数据转换部13b生成的声音的信息来推测表示二次电池1的状态的状态量。状态量的推测中使用的声音的信息例如可以是超声波频带的频率的声音的信息。由此，例如，与通过人的听觉能够感知的频带的声音(所谓的可听音)相比，不易受到成为噪声的声音的影响，因此能够更准确地推测二次电池1的状态量。
二次电池1的状态量是表示二次电池1的充电状态和劣化状态(也称为健康状态)中的至少某一个的指标的值。例如，状态量是SoC(State of Charge)和SoH(State ofHealth)中的至少某一个的值。在本说明书中，二次电池1的充电状态也称为二次电池1的余量、电池余量、充电量或SoC。另外，二次电池1的劣化状态也称为劣化度、健康度、健康状态或SoH。
例如，推测部13c可以使用规定的运算式从声音的信息导出二次电池1的状态量的推测值。另外，例如，推测部13c也可以使用存储于存储部15的学习完毕的机器学习模型(以下，称为学习完毕模型)，基于通过将声音的信息输入到学习完毕模型而得到的输出结果，导出二次电池1的状态量的推测值。关于这些具体的推测处理，将在动作例中后述。
输出部13d输出由推测部13c推测出的二次电池1的状态量(换言之，由推测部13c导出的二次电池1的状态量的推测值)。由输出部13d输出的状态量例如可以显示在显示部17上，也可以经由通信部11输出到终端装置20。
学习部14使用教师数据进行机器学习。学习部14通过机器学习，生成将声音的信息作为输入并输出收集到该声音的二次电池1的电池余量(例如SoC的值)以及劣化度(例如SoH的值)中的至少某一个的机器学习模型(所谓的学习完毕模型)。机器学习模型的学习中使用的教师数据是由二次电池1在充电时或放电时发出的声音的信息、和表示收集了该声音的二次电池1的电池余量及劣化度中的至少某一个的注释构成的数据集。
机器学习模型可以是例如神经网络模型，更具体地，可以是卷积神经网络模型(CNN)或递归神经网络(RNN：Recurrent Neural Network)。例如，在机器学习模型是CNN的情况下，学习完毕的机器学习模型(所谓的学习完毕模型)输出通过输入频谱图或者频率特性的图像而推测出的二次电池1的状态量。另外，例如在机器学习模型是RNN的情况下，学习完毕模型输出通过输入频率特性或者频谱图的时间序列的数值数据而推测出的二次电池1的状态量。学习完毕模型包含通过机器学习调整后的经训练参数。生成的学习完毕模型存储在存储部15中。学习部14例如通过处理器执行存放在存储部15中的程序实现。
存储部15是存储控制部13执行的控制程序等的存储装置。存储部15也可以暂时存储教师数据和推测用的声音的信息。存储部15将所存储的学习完毕模型更新为由学习部14生成的机器学习模型(所谓的学习完毕模型)。存储部15例如由半导体存储器实现。
输入受理部16受理用户的操作输入。具体地说，输入受理部16由鼠标、麦克风、或者触摸面板等实现。另外，输入受理部16取得语音，并根据所取得的语音输出语音信号。具体而言，麦克风是电容式麦克风、动圈式麦克风、或MEMS(Micro Electro MechanicalSystems，微机电***)麦克风等。扬声器例如输出语音(机械语音)作为对由麦克风取得的讲话语音的响应。由此，用户能够以对话形式输入控制的执行指示。
另外，输入受理部16也可以具备相机(未图示)。相机拍摄操作状态量推测装置10的用户的图像。具体地，相机拍摄用户的嘴、眼睛、或者手指等的移动。在这种情况下，输入受理部16基于由相机拍摄的用户的图像受理用户的操作。相机例如由CMOS(ComplementaryMetal Oxide Semiconductor，互补金属氧化物半导体)图像传感器等实现。
显示部17是基于控制部13的控制来显示提示给用户的提示信息的显示装置。提示信息可以是例如包含由状态量推测装置10推测出的二次电池1的状态量的图像数据或字符数据。显示部17由液晶面板或有机电致发光(Electro Luminescence)面板实现。
[终端装置]
终端装置20例如是智能手机、平板终端或个人计算机，并且具备显示部25，该显示部25取得从状态量推测装置10输出的状态量，显示包含所取得的状态量的提示信息，并且将该提示信息提示给用户。终端装置20例如可以基于由用户输入的指示，从状态量导出规定的信息，并将导出的信息提示给用户。例如，在由用户输入了从二次电池1的状态量导出用户使用的装置的可工作时间的指示的情况下，终端装置20可以导出该装置的可工作时间作为上述规定的信息，并且可以将包含二次电池1的状态量和该装置的可工作时间的提示信息提示给用户。终端装置20例如具备通信部21、控制部22、存储部23、输入受理部24和显示部25。
通信部21是用于终端装置20与状态量推测装置10进行通信的通信模块(通信电路)。通信部21例如可以是进行无线通信的无线通信电路，也可以是进行有线通信的有线通信电路。通信部21进行的通信的标准没有特别限定。
控制部22进行用于进行终端装置20的动作的控制的信息处理。例如，控制部22根据由输入受理部24受理的用户的输入，使通信部21发送控制信号。控制部22例如通过微型计算机实现，但也可以通过处理器或专用电路实现。
存储部23是存储控制部22执行的控制程序等的存储装置。存储部23例如由半导体存储器等实现。
输入受理部24受理用户的操作输入。输入受理部24例如与状态量推测装置10的输入受理部16同样地，由触摸面板等实现。
显示部25基于控制部22的控制，显示提示给用户的提示信息。显示部25例如由液晶面板或有机EL面板实现。
[2.动作]
接着，对本实施方式的状态量推测装置10的动作进行说明。图3是表示实施方式的状态量推测装置的动作的一例的流程图。
首先，状态量推测装置10的收音部12收集在二次电池1的充电时或放电时从二次电池1发出的声音(S1)。如图1所示，收音部12在二次电池1的附近收集该声音。收音部12对二次电池1非接触且接近地收集该声音。
接着，状态量推测装置10的推测部13c基于在步骤S1中收集到的声音的信息来推测表示二次电池1的状态的状态量(S2)。关于步骤S2的流程的详细内容，将在动作例1及动作例2中后述。
接着，状态量推测装置10的输出部13d输出在步骤S2中推测出的状态量(S3)。如上所述，输出部13d可以根据由用户输入的指示，向状态量推测装置10的显示部17输出状态量，也可以向终端装置20输出。
[动作例1]
接着，对图3的步骤S2中的状态量推测装置10的动作例1进行说明。在动作例1中，说明状态量推测装置10的推测部13c通过使用规定的运算式计算二次电池1的状态量的推测值来推测状态量的流程。图4是表示图3的步骤S2的详细流程的一例的流程图。
在步骤S2的动作例1中，首先，状态量推测装置10的取得部13a取得在步骤S1中由收音部12收集的声音的数据(S21)。声音的数据是由收音部12转换的声音的电信号。
接着，状态量推测装置10的数据转换部13b将在步骤S21中由取得部13a取得的声音的数据(所谓的电信号)转换为规定的形式的信息(S22)。由此，生成声音的信息。图5是表示充电状态不同的两个二次电池各自发出的声音的信息的一例的图。图6是表示充电状态不同的两个二次电池各自发出的声音的信息的其他例的图。图5所示的声音的信息是频谱图的图像，并且图6所示的声音的信息是频率特性的图像。
图5所示的频谱图的图像是以时间(秒)为横轴、以频率(Hz)为纵轴，并通过颜色深浅表示频率特性的信号强度的时间变化的图像。在此，示出了白色度越高则频率特性的信号强度越强的情况。图5的(a)示出了被充电到一定程度的状态的二次电池1所发出的声音的频谱图的图像，图5的(b)示出了充满电的状态的二次电池1所发出的声音的频谱图的图像。
此外，图6所示的频率特性通过对由收音部12收集的声音的时间序列的数值数据进行傅立叶变换而得到。图6的(a)和图6的(b)分别是与图5的(a)和图5的(b)对应的频率特性的图像。
接着，状态量推测装置10的推测部13c使用规定的运算式来计算二次电池1的状态量的推测值(S23)。具体地，推测部13c根据以如下方式得到的值来计算二次电池1的状态量的推测值，即，该值是根据步骤S22中生成的声音的信息，将特定的频带的频谱的信号强度代入规定的运算式而得到的。计算出的二次电池1的状态量的推测值是表示二次电池1的充电状态的SoC和表示二次电池1的劣化状态的SoH中的至少某一个的推测值。例如，对于表示二次电池1的充电状态的状态量(所谓的SoC)，能够根据从充电状态不同的二次电池发出的声音的信息导出规定的关系性。因此，也可以基于该关系性使用规定的运算式来计算状态量的推测值。例如，如图5和图6所示，在充电时，(a)被充电到某种程度的状态的二次电池发出的声音的信息中45kHz和65kHz附近的信号强度高于(b)充满电的状态的二次电池发出的声音的信息中45kHz和65kHz附近的信号强度。换言之，二次电池的充电状态越良好，二次电池发出的声音的45kHz和65kHz附近的声压越减少。因此，可以根据该关系性使用后述的运算式来计算表示二次电池1的充电状态的SoC的推测值。
另外，例如，关于表示二次电池1的劣化状态(所谓的健康状态)的状态量(所谓的SoH)，能够根据从劣化状态不同的二次电池发出的声音的信息来导出规定的关系性。图7是表示劣化状态不同的两个二次电池各自发出的声音的信息的一例的图。图8是表示劣化状态不同的两个二次电池各自发出的声音的信息的其他例的图。例如，如图7和图8所示，在充电时，(a)在新品的二次电池被充电到某种程度的状态下发出的声音的信息中23kHz附近的信号强度强，(b)在用旧品(也称为二手品)的二次电池被充电到某种程度的状态下发出的声音的信息中23kHz附近的波峰***，偏移到25kHz～30kHz附近。换言之，随着二次电池的劣化状态的发展(换言之，健康状态恶化)，二次电池发出的声音的23kHz附近的声压减少，25kHz～30kHz附近的声压增加。因此，基于该关系性，可以使用后述的运算式来计算表示二次电池1的劣化状态的SoH的推测值。
[动作例1的状态量推测的具体例]
接着，列举第一例和第二例说明动作例1的状态量推测。二次电池使用松下股份有限公司产的充电式镍氢电池单3型BK-3MCC，充电器使用松下股份有限公司产的BQ-CC23。
[第一例]
图9是表示动作例1的二次电池的状态量推测的第一例的图。在第一例中，对使用规定的运算式，根据二次电池充电时从二次电池发出的声音的信息来计算表示二次电池的充电状态的状态量(在此为SoC)的推测值的例子进行说明。
图9的(a)示出了在二次电池的电池余量为100％时从二次电池发出的声音的信息(这里是频率特性的图像)，图9的(b)示出了在二次电池的电池余量为30％时从二次电池发出的声音的信息。图9的(c)示出了用于计算表示二次电池的充电状态的状态量(SoC)的推测值的运算式，图9的(d)示出了状态量的推测值(SoC Pre.)的计算结果。在此，不考虑超过规定值(例如1e10)的强度的波峰。
导出图9的(a)所示的声音的信息中的40kHz～50kHz的范围的波峰的最大值X1和60kHz～65kHz的范围的波峰的最大值X2，将X1的值代入图9的(c)所示的式(2)，将X2的值代入式(3)。然后，将通过式(2)及式(3)计算出的Z1及Z2代入式(1)。由此，计算表示二次电池的充电状态的状态量(SoC)的推测值。如图9的(d)所示，在电池余量为100％(实际测量值)的情况下，电池的余量的推测值SoC Pre.为99.8％。
接着，对于图9的(b)所示的声音的信息，也以与图9的(a)相同的方式计算出表示二次电池的充电状态的状态量(SoC)的推测值，其结果如图9的(d)所示，在电池余量为30％(实际测量值)的情况下，电池的余量的推测值SoC Pre.为29.8％。
此外，如图9的(d)所示，计算当电池的余量为20％、50％和90％时的二次电池的SoC的推测值，并且将该推测值与实际测量值进行比较，由此确认推测精度。图10是表示第一例中计算出的SoC的推测值和推测精度的图。图10的(a)示出了表示图9的(d)所示的40kHz～50kHz范围内的波峰强度的最大值X1和60kHz～65kHz范围内的波峰强度的最大值X2与电池的余量的推测值(SoC Pre.)的关系的曲线图，图10的(b)示出了表示电池余量的推测值(SoC Pre.)与实际测量值的关系的曲线图。
如图10的(a)所示，最大值X1和X2分别示出了与电池的余量的推测值(SoC Pre.)的线性关系。此外，如图10的(b)所示，二次电池的电池余量的推测值(SoC Pre.)排列在直线上，并且对应于实际测量值。
如上所述，根据在二次电池的充电时从二次电池发出的声音的信息并使用规定的运算式计算出的二次电池的状态量(SoC)的推测值与实际测量值相比几乎没有变化，因此，能够根据动作例1推测二次电池的SoC的值。
[第二例]
图11是表示动作例1的二次电池的状态量推测的第二例的图。在第二例中，说明了如下例子，即，使用规定的运算式，根据在二次电池的充电时从二次电池发出的声音的信息来计算表示二次电池的劣化状态(也称为健康状态)的状态量(在此为SoH)的推测值。
图11的(a)示出了在二次电池的劣化状态(以下也称为劣化度)为1时从二次电池发出的声音的信息(在此，为频率特性的图像)，图11的(b)示出了在二次电池的劣化状态为0.5时从二次电池发出的声音的信息。在此，二次电池的劣化状态为1.0是指例如表示新品的二次电池被充满电时的劣化状态。另外，二次电池的劣化状态为0.5是指例如表示在将新品的二次电池被充满电时的电量设为1的情况下，以其一半的电量为充满电的同型号的二次电池的劣化状态。图11的(c)示出了用于计算表示二次电池的劣化状态的状态量(SoH)的推测值(SoH Pre.)的运算式，图11的(d)示出了状态量的推测值(SoH Pre.)的计算结果。在此，不考虑超过规定值(例如1e10)的强度的波峰。
导出图11的(a)所示的声音的信息中的25kHz～30kHz的范围的波峰强度的加权平均值X，将X的值代入图11的(c)所示的式(4)。由此，计算表示二次电池的劣化状态的状态量(SoH)的推测值(SoH Pre.)。如图11的(d)所示，在二次电池的劣化度为1.0(实际测量值)的情况下，二次电池的劣化度的推测值SoH Pre.为1.0。另外，加权平均是从25kHz到30kHz的每1kHz的波峰强度与频率的积的算术平均。
接着，对于图11的(b)所示的声音的信息，也以与图11的(a)相同的方式计算出表示二次电池的劣化状态的状态量(SoH)的推测值(SoH Pre.)，其结果如图11的(d)所示，在二次电池的劣化度为0.5(实际测量值)的情况下，二次电池的劣化度的推测值SoH Pre.为0.5。
此外，如图11的(d)所示，计算当二次电池的劣化度为0.6和0.8时的二次电池的SoH的推测值，并将该推测值与实际测量值进行比较，从而确认推测精度。图12是表示在第二例中计算出的SoH的推测值和推测精度的图。图12的(a)是表示图11的(d)所示的25kHz～30kHz范围内的波峰强度的加权平均值X与二次电池的劣化度的推测值(SoH Pre.)的关系的曲线图，图12的(b)是表示二次电池的劣化度的推测值(SoH Pre.)与实际测量值的关系的曲线图。
如图12的(a)所示，25kHz～30kHz范围内的波峰强度的加权平均值X与二次电池的劣化度的推测值(SoH Pre.)示出了线性关系。此外，如图12的(b)所示，二次电池的劣化度的推测值(SoH Pre.)排列在直线上，并且对应于实际测量值。
如上所述，由于通过使用规定的运算式并根据在二次电池的充电时从二次电池发出的声音的信息计算出的二次电池的状态量(SoH)的推测值与实际测量值几乎没有变化，因此能够根据动作例1推测二次电池的SoH值。
[动作例2]
接着，对图3的步骤S2中的状态量推测装置10的动作例2进行说明。在动作例2中，对如下流程进行说明，即，状态量推测装置10的推测部13c基于将声音的信息输入到学习完毕模型而得到的输出结果来推测二次电池1的状态量的流程。图13是表示图3的步骤S2的详细流程的其他例的流程图。在图13中，对与图4共同的处理标注相同的步骤编号。这里，以与动作例1的不同点为中心进行说明，对于重复的内容简化或省略说明。
在步骤S2的动作例2中，与动作例1同样地，状态量推测装置10的取得部13a取得在步骤S1中由收音部12收集的声音的数据(S21)，并且数据转换部13b将在步骤S21中由取得部13a取得的声音的数据(所谓的电信号)转换为规定的形式的信息(S22)。由此，生成声音的信息。关于声音的信息在动作例1中已经参照图5～图8进行了说明，因此这里省略其说明。
接下来，状态量推测装置10的推测部13c将在步骤S22中生成的声音的信息输入到学习完毕模型，并取得输出结果(S231)。在说明步骤S231的具体处理的说明之前，对在本步骤中使用的学习完毕模型进行说明。
图14是用于说明机器学习模型的构造的一例的图。图15是用于说明机器学习模型的输出层的图。另外，关于图14所示的教师数据，在机器学习模型的学习阶段后述。在图14的例子中，机器学习模型是具有卷积层和池化层的卷积神经网络(CNN)。推测部13c向学习完毕的机器学习模型(所谓的学习完毕模型)输入例如频谱图的图像或频率特性的图像等声音的信息作为输入数据。例如，如图15所示，关于输入的声音的信息，在学习完毕模型的输出层中得到针对11个类(class)中的每一个的似然度。在输出层中，将二次电池的充电量(所谓的电池的余量)0％～100％以每10％分为一类，并且通过针对该各个类计算似然度，对所输入的声音的信息进行分类。机器学习模型包含通过学习而调整为根据二次电池的充电状态分类为11个类的参数。例如，该参数可以调整为针对二次电池的每个劣化状态进行充电状态的分类。
当再次参照图13时，在步骤S231中，推测部13c取得在步骤S22中生成的声音的信息作为学习完毕模型的输入数据，将取得的声音的信息输入到学习完毕模型，并且取得从学习完毕模型输出的结果，换言之，在输出层中导出的每个类的似然度。
接着，状态量推测装置10的推测部13c基于在步骤S231中取得的输出结果，推测二次电池1的状态量(S232)。例如，如图11所示，推测部13c通过对Softmax函数的输出值进行加权平均来计算二次电池1的状态量的推测值，由此推测二次电池1的状态量。
[动作例3]
接着，在动作例3中，对从机器学习模型的学习到利用了学习完毕模型的二次电池1的状态量的推测为止的动作进行说明。在动作例3中，与动作例2的不同点在于，学习完毕模型按二次电池1的每个型号制作，推测部13c取得表示二次电池1的型号的信息，切换所使用的学习完毕模型。图16是表示机器学习模型的学习阶段以及利用了学习完毕的机器学习模型的推测阶段的一例的图。
状态量推测装置10在(1)学习阶段之后进行(2)推测阶段(更详细地说，学习完毕模型的利用阶段)。首先，在(1)学习阶段中，状态量推测装置10的学习部14使用教师数据进行机器学习模型的学习。教师数据是由声音信息和注释构成的数据集，该注释表示收集了声音的二次电池1的电池余量及劣化度中的至少某一个。在图15的例子中，教师数据是由声音的信息和注释构成的数据集，该注释表示每个劣化度(即，SoH)的电池余量。此外，教师数据可以按二次电池1的每个型号来准备。由此，状态量推测装置10能够按二次电池1的每个型号切换使用学习完毕模型，因此能够更准确地推测二次电池1的状态量。学习部14使机器学习模型学习按照将电池余量0％～100％按每10％分类成的11个类进行分类。当机器学习模型的学习结束时，学习部14更新存放在存储部15中的学习完毕模型。
接着，在(2)推测阶段中，状态量推测装置10的收音部12在二次电池1的充电时或放电时，与二次电池1非接触且在该二次电池1的附近收集从二次电池1发出的声音，并将收集到的声音的电信号转换为数字信号(也称为电子数据)，并将该数字信号输出到控制部13。
控制部13的取得部13a取得从收音部12输出的声音的电子数据，并将该电子数据输出到数据转换部13b。
数据转换部13b将所取得的声音的电子数据转换为规定的形式的信息。例如，声音的信息可以是频谱或频谱图。声音的信息可以是图像，也可以是时间序列的数值数据。数据转换部13b将声音的信息输出到推测部13c。
推测部13c将从数据转换部13b取得的声音的信息输入到存放在存储部15中的学***均(参照图14)，计算状态量的推测值。此外，推测部13c可以转换推测值的数据以显示电池余量。
输出部13d将由推测部13c转换后的推测值的数据输出到显示部17。
显示部17基于所取得的数据进行电池余量等的显示。具体地说，显示部17也可以基于所取得的数据，显示二次电池1的余量(也称为充电量)和将该二次电池1作为电源来使用的装置的能够驱动时间等信息。例如，如图16所示，在二次电池1被用于电动汽车、电动摩托车、或者电动自行车等电动车辆的情况下，显示部17也可以显示二次电池的充电量和能够行驶的距离。参照图17说明显示例。图17是表示显示例的图。图17的(a)是在搭载了二次电池1的电动汽车的仪表板的显示面板上显示的例子，在显示面板上显示有二次电池1的电池余量和能够行驶的距离。另外，图17的(b)是在搭载了二次电池1的电源装置的显示面板上显示的例子，在显示面板上显示有二次电池1的电池余量和能够驱动时间。这样，显示部17也可以显示包含二次电池1的状态量的显示信息。
[3.效果等]
如上所述，实施方式的状态量推测装置10具备：收音部12，在二次电池1的充电时或放电时，与二次电池1非接触且在二次电池1的附近收集从二次电池1发出的声音；推测部13c，基于由收音部12收集到的声音的信息来推测表示二次电池1的状态的状态量；以及输出部13d，输出由推测部13c推测出的状态量。
由此，状态量推测装置10不需要进行完全充电或完全放电以测定二次电池1的状态量，因此能够迅速推测二次电池1的状态量。另外，状态量推测装置10能够基于与二次电池1非接触且在二次电池1的附近收集到的声音的信息来推测状态量，因此能够以与二次电池1非接触的方式推测状态量。因此，状态量推测装置10例如能够推测二次电池1的状态量，而不需要从框体取出位于框体内的二次电池1。因此，状态量推测装置10能够以非接触方式迅速地推测二次电池1的状态量。
也可以是，在实施方式的状态量推测装置10中，推测部13c基于通过将声音的信息输入到学习完毕的机器学习模型即学习完毕模型而得到的输出结果来推测所述状态量。
由此，状态量推测装置10能够通过使用学习完毕的机器学习模型，更容易地提取声音的信息的规则性(所谓的特征量)。因此，状态量推测装置10能够更简便地推测二次电池1的状态量。
也可以是，在实施方式的状态量推测装置10中，机器学习模型使用教师数据来学习，所述教师数据是由所述声音的信息以及注释构成的数据集，所述注释表示收集了所述声音的所述二次电池的电池余量及劣化度中的至少某一个。
由此，状态量推测装置10提高了机器学习模型的学习精度，因此能够高精度地推测二次电池1的状态。
也可以是，在实施方式的状态量推测装置10中，声音的信息是包含声音的持续时间、声压和波形中的至少一个以及声音的频带的信息。另外，例如，也可以是，声音的信息的形式是声音的时间序列的数值数据、频谱图的图像或者频率特性的图像。
由此，状态量推测装置10容易基于声音的信息的规则性(所谓的特征量)来推测二次电池1的状态量。
也可以是，在实施方式的状态量推测装置10中，状态量是表示二次电池的充电状态及劣化状态中的至少某一个的指标的值。
由此，状态量推测装置10能够更准确地推测二次电池1的状态。
也可以是，在实施方式的状态量推测装置10中，状态量可以是SoC(State ofCharge)及SoH(State of Health)中的至少某一个的值。
由此，状态量推测装置10能够基于SoC或SoH中的至少某一个的值来推测二次电池1的状态量。
也可以是，在实施方式的状态量推测装置10中，声音是超声波频带的频率的声音。
由此，与通过人的听觉能够感知的频带的声音(所谓的可听音)相比更不易受到噪声的影响，因此能够更准确地推测二次电池1的状态量。
(实施方式2)
接着，参照附图对实施方式2进行具体说明。
[状态量推测***]
图13是表示应用实施方式2的状态量推测装置10a的状态量推测***100a的一例的图。
在实施方式1中说明了状态量推测装置10具备收音部12的例子，但在实施方式2中，与实施方式1的不同之处在于，状态量推测装置10a不具备收音部12，而是取得由经由通信连接的收音装置12a收集的声音的信息。以下，以与实施方式1的不同之处为中心进行说明，对于重复的内容简化或省略说明。
[1.结构]
首先，参照图13对状态量推测***100a的结构进行说明。状态量推测***100a例如具备状态量推测装置10a、一个以上的收音装置12a以及终端装置20。如图13所示，状态量推测***100a可以进一步具备服务器装置30。以下，对各结构进行说明。另外，关于终端装置20，由于与在实施方式1中说明的内容相同，所以省略各自的说明。
[状态量推测装置]
状态量推测装置10a取得由收音装置12a与二次电池1非接触地且在二次电池1的附近收集到的二次电池的充电时或放电时从二次电池1发出的声音，基于取得的声音的信息推测表示二次电池的状态的状态量，并输出推测出的状态量。在取得由多个收音装置12a收集到的声音的情况下，状态量推测装置10a可以进一步取得各收音装置12a的识别信息和位置信息。
状态量推测装置10a与实施方式1的状态量推测装置10的不同之处在于，不具备收音部12这一点、以及具备第一通信部11a和第二通信部11b这一点。
第一通信部11a是用于与收音装置12a通信的通信模块(通信电路)。第一通信部11a例如可以是进行无线通信的无线通信电路，也可以是进行有线通信的有线通信电路。第一通信部11a进行的通信的标准没有特别限定。第一通信部11a例如是本地通信电路。
第二通信部11b是用于与终端装置20以及服务器装置30进行通信的通信模块(通信电路)。第二通信部11b例如可以是进行无线通信的无线通信电路，也可以是进行有线通信的有线通信电路。第二通信部11b进行的通信的标准没有特别限定。第二通信部11b例如是广域通信电路。
[收音装置]
收音装置12a以与二次电池1非接触且在二次电池1的附近的方式配置，将收集到的声音转换为电信号(例如，数字信号)，将该电信号输出到状态量推测装置10a。收音装置12a具备用于与状态量推测装置10a进行通信的通信部(未图示)。收音装置12a可以与收音部(例如，麦克风)一体地构成，也可以与收音部分开地构成。在后者的情况下，收音装置12a可以经由通信取得由收音部收集到的声音。
在状态量推测***100a具备多个收音装置12a的情况下，各收音装置12a可以将自身的识别信息和位置信息与收集到的声音的数字信号一起输出。
[服务器装置]
服务器装置30例如是客户端服务器。服务器装置30例如具备通信部31、信息处理部32以及存储部33。服务器装置30例如与一个以上的状态量推测装置10a能够通信地连接，例如可以向状态量推测装置10a提供教师数据，或者提供与状态量推测装置10a的推测结果相应的显示信息等。
通信部31是用于服务器装置30经由广域通信网络与状态量推测装置10a进行通信的通信电路(通信模块)。由通信部31进行的通信例如是有线通信，但也可以是无线通信。对于通信中使用的通信标准也没有特别限定。
信息处理部32进行与服务器装置30的动作有关的信息处理。信息处理部32例如通过微型计算机实现，但也可以通过处理器实现。
存储部33是存储由信息处理部32执行的控制程序等的存储装置。存储部33例如由HDD(Hard Disk Drive，硬盘驱动器)实现，但也可以由半导体存储器等实现。
[2.动作]
接着，对实施方式2的状态量推测装置10a的动作与实施方式1的不同之处进行说明。
状态量推测装置10a的取得部13a经由第一通信部11a取得由收音装置12a收集到的声音，并将该声音输出到数据转换部13b。
推测部13c基于由数据转换部13b生成的声音的信息来推测二次电池的状态量。此时，推测部13c可以基于将声音的信息输入学习完毕模型而得到的输出结果来推测状态量，该学习完毕模型是使用从服务器装置30提供的教师数据来学习的。此外，推测部13c可以根据推测结果输出从服务器装置30提供的显示信息。从服务器装置30提供的显示信息例如可以是伴随今后能够充电的次数、二次电池的更换时期、劣化状态而可能发生的故障、或者避免故障的方法等。
[3.效果等]
如以上说明所示，实施方式2的状态量推测装置10a能够通过使处理分散到其他装置来进行处理或与其他装置共通进行处理，来更详细地进行二次电池1的状态量的推测。
(其他实施方式)
以上，基于上述的实施方式对本公开的一个或多个方式的状态量推测装置以及状态量推测方法进行了说明，但本公开并不限定于这些实施方式。只要不脱离本公开的主旨，对实施方式实施本领域技术人员想到的各种变形而得到的方式、组合不同的实施方式中的构成要素而构成的方式也可以包含在本公开的一个或多个方式的范围内。
例如，上述实施方式的状态量推测装置可以取得在收集从二次电池发出的声音时二次电池周围的温度等环境数据，并基于声音的信息、环境数据以及二次电池的型号等识别信息来推测二次电池的状态量。环境数据例如是二次电池所处的环境的温度、施加于二次电池的电压、或者流过二次电池的电流的种类(例如，脉冲电流等)。由此，能够更准确地推测二次电池的状态的可能性变高。
例如，上述实施方式的状态量推测装置所具备的构成要素的一部分或者全部也可以由1个***LSI(Large Scale Integration：大规模集成电路)构成。例如，状态量推测装置可以由具有收音部、推测部和输出部的***LSI构成。另外，***LSI可以不包括收音部。在这种情况下，***LSI可以具有取得由收音部收集到的声音的信息的取得部。
***LSI是将多个构成部集成在一个芯片上而制造的超多功能LSI，具体而言，是包括微处理器、ROM(Read Only Memory，只读存储器)、RAM(Random Access Memory，随机存取存储器)等而构成的计算机***。ROM存储计算机程序。微处理器按照计算机程序进行动作，由此***LSI实现其功能。
另外，在此设为***LSI，但根据集成度的不同，有时也被称为IC、LSI、超级LSI、超大规模LSI。另外，集成电路化的方法不限于LSI，也可以通过专用电路或通用处理器实现。也可以利用在LSI制造后能够编程的FPGA(Field Programmable Gate Array，现场可编程门阵列)、或者能够重构LSI内部的电路单元的连接或设定的可重构处理器。
而且，如果因半导体技术的进步或派生的其他技术而出现置换LSI的集成电路化的技术，则当然也可以使用该技术进行功能块的集成化。有可能可以应用生物技术等。
另外，本公开的一个方式也可以不是这样的状态量推测装置，而是将该装置所包含的特征性的构成部设为步骤的状态量推测方法。另外，本公开的一个方式也可以是使计算机执行状态量推测方法所包含的特征性的各步骤的计算机程序。另外，本公开的一个方式也可以是记录有这样的计算机程序的计算机可读取的非暂时性记录介质。
工业实用性
根据本公开，能够在与二次电池非接触且接近的位置收集从二次电池发出的声音，并且能够基于收集到的声音推测二次电池的状态量，因此例如能够推测二次电池的状态量而无需从框体取出保持在框体内的二次电池。这样，根据本公开，能够更简便地推测二次电池的状态量，因此能够应用于各种领域。
附图标记说明
1 二次电池
2 充电器
10、10a 状态量推测装置
11 通信部
11a 第一通信部
11b 第二通信部
12 收音部
12a 收音装置
13 控制部
13a 取得部
13b 数据转换部
13c 推测部
13d 输出部
14 学习部
15 存储部
16 输入受理部
17 显示部
20 终端装置
21 通信部
22 控制部
23 存储部
24 输入受理部
25 显示部
30 服务器装置
31 通信部
32 信息处理部
33 存储部
100、100a 状态量推测***

Claims (10)

1.一种状态量推测装置，其中，具备：
收音部，在二次电池的充电时或放电时，与所述二次电池非接触且在所述二次电池的附近收集从所述二次电池发出的声音；
推测部，基于由所述收音部收集的所述声音的信息，推测表示所述二次电池的状态的状态量；以及
输出部，输出由所述推测部推测出的所述状态量。
2.根据权利要求1所述的状态量推测装置，其中，
所述推测部基于通过将所述声音的信息输入到学习完毕的机器学习模型即学习完毕模型而得到的输出结果来推测所述状态量。
3.根据权利要求2所述的状态量推测装置，其中，
所述机器学习模型是使用教师数据来学习的，
所述教师数据是由所述声音的信息以及注释构成的数据集，所述注释表示收集了所述声音的所述二次电池的电池余量及劣化度中的至少某一个。
4.根据权利要求1至3中任一项所述的状态量推测装置，其中，
所述声音的信息是包含所述声音的持续时间、声压和波形中的至少一个以及所述声音的频带的信息。
5.根据权利要求1至3中任一项所述的状态量推测装置，其中，
所述声音的信息的形式是所述声音的时间序列的数值数据、频谱图的图像或者频率特性的图像。
6.根据权利要求1至3中任一项所述的状态量推测装置，其中，
所述状态量是表示所述二次电池的充电状态和劣化状态中的至少某一个的指标的值。
7.根据权利要求1至3中任一项所述的状态量推测装置，其中，
所述状态量是荷电状态SoC及健康状态SoH中的至少某一个的值。
8.根据权利要求1至3中任一项所述的状态量推测装置，其中，
所述声音是超声波频带的频率的声音。
9.一种状态量推测方法，其中，包括：
收音步骤，在二次电池的充电时或放电时，与所述二次电池非接触且在所述二次电池的附近收集从所述二次电池发出的声音；
推测步骤，基于在所述收音步骤中收集到的所述声音的信息来推测表示所述二次电池的状态的状态量；以及
输出步骤，输出在所述推测步骤中推测出的所述状态量。
10.一种程序，其中，所述程序用于使计算机执行权利要求9所述的状态量推测方法。
CN202280033464.5A 2021-05-14 2022-03-30 状态量推测装置、状态量推测方法及程序 Pending CN117280204A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021082448 2021-05-14
JP2021-082448 2021-05-14
PCT/JP2022/016035 WO2022239562A1 (ja) 2021-05-14 2022-03-30 状態量推定装置、状態量推定方法、及び、プログラム

Publications (1)

Publication Number Publication Date
CN117280204A true CN117280204A (zh) 2023-12-22

Family

ID=84028253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280033464.5A Pending CN117280204A (zh) 2021-05-14 2022-03-30 状态量推测装置、状态量推测方法及程序

Country Status (4)

Country Link
US (1) US20240069118A1 (zh)
JP (1) JPWO2022239562A1 (zh)
CN (1) CN117280204A (zh)
WO (1) WO2022239562A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH076795A (ja) * 1993-06-21 1995-01-10 Nissan Motor Co Ltd 電池内部状態検出装置
JP4592318B2 (ja) * 2004-03-31 2010-12-01 中部電力株式会社 電池の劣化診断方法とその装置
JP5517997B2 (ja) * 2011-06-06 2014-06-11 株式会社日立製作所 リチウムイオン二次電池の検査装置，検査方法及び二次電池モジュール
WO2015023820A2 (en) * 2013-08-15 2015-02-19 University Of Maryland College Park Systems, methods, and devices for health monitoring of an energy storage device
US11193979B2 (en) * 2017-09-01 2021-12-07 Feasible, Inc. Determination of characteristics of electrochemical systems using acoustic signals

Also Published As

Publication number Publication date
US20240069118A1 (en) 2024-02-29
WO2022239562A1 (ja) 2022-11-17
JPWO2022239562A1 (zh) 2022-11-17

Similar Documents

Publication Publication Date Title
JP5349250B2 (ja) 電池モデル同定方法
CN109256146B (zh) 音频检测方法、装置及存储介质
CN110288987A (zh) 用于处理声音数据的***和控制该***的方法
CN107004405A (zh) 语音识别装置和语音识别方法
EP3667447A1 (en) Method and device for diagnosing problematic noise source based on big data information
CN104133851A (zh) 音频相似度的检测方法和检测装置、电子设备
CN109190648A (zh) 模拟环境生成方法、装置、移动终端及计算机可读取存储介质
CN113505256B (zh) 特征提取网络训练方法、图像处理方法及装置
CN106250883A (zh) 压力指纹识别方法、装置及终端设备
CN111464690B (zh) 一种应用的预加载方法、电子设备、芯片***及可读存储介质
CN109688535A (zh) 确定无线热点地理位置的方法、装置、电子设备及介质
CN114067776A (zh) 电子设备及其音频降噪方法和介质
CN113257412B (zh) 信息处理方法、装置、计算机设备及存储介质
CN106230074A (zh) 移动电源充电控制方法及装置
JP2013178933A (ja) 電池型センサノード、電子機器識別装置、方法、及びプログラム
CN117280204A (zh) 状态量推测装置、状态量推测方法及程序
EP4124061A1 (en) Method for determining wearing state of wireless earbud, and related device
US11380036B2 (en) Method of establishing visual images of models of battery status
JP2005193891A (ja) 運転者情報システムの使用性評価システム
CN111382641A (zh) 体态识别方法和体感游戏动作指导***
CN106374558A (zh) 移动终端充电控制方法及装置
EP4024403A1 (en) Method and system for mental index prediction
CN210052319U (zh) 手持式普通话训练器
CN109671425B (zh) 音频分类方法、装置及存储介质
CN114254685A (zh) 声音检测模型的训练方法和装置、声音事件的检测方法

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