JP7164217B2

JP7164217B2 - モバイル・デバイスに対するバッテリ健全性を緩和電圧に基づいて推定する方法

Info

Publication number: JP7164217B2
Application number: JP2020506131A
Authority: JP
Inventors: ジー．シン、カン; ヘー、リャン
Original assignee: University of Michigan
Current assignee: University of Michigan
Priority date: 2017-04-17
Filing date: 2018-04-17
Publication date: 2022-11-01
Anticipated expiration: 2038-04-17
Also published as: WO2018195049A1; CN110709717A; KR102543921B1; JP2020520461A; US20200191876A1; CN110709717B; KR20190136072A; US11215675B2

Description

本出願は、２０１７年４月１７日に出願された、米国仮出願第６２／４８６，１４４号の利益を主張するものである。上記の出願の開示全体は、参照により本明細書に組み込まれている。

政府条項
本発明は、米国国立科学財団により授与された、助成金番号ＣＮＳ１４４６１１７のもとでの政府支援によって為されたものである。米国政府は、本発明において所定の権利を有する。

本開示は、モバイル・デバイスに対するバッテリ健全性を緩和電圧に基づいて推定する方法に関係する。

近年、モバイル・デバイスの心臓部であるバッテリは、絶えず増大するｐ／サービス需要を満たすための、小型で、高速充電、及び高エネルギー／電力密度のバッテリに対する継続的な試みに主として起因する、深刻な安全及び財務上の危険性（例えば、最近のＳａｍｓｕｎｇ社のＮｏｔｅ７危機）を呈してしまい、それらのバッテリのホログラフィックな監視及び診断を不可欠にしてしまっている。

悲しいことに、残存バッテリ寿命（例えば、バッテリ保証期間に帯する）、又は、バッテリが切れるまでの残りデバイス稼働時間（すなわち、一回の充電による稼働時間）を意味する、単純な質問「私の電話のバッテリはあとどれくらいもつのか？」に、私たちは自信をもって答えることさえできず、そのことにより、デバイス稼働時間が短くなったことについての診断が妨げられ、予想外のデバイス・シャット・オフを引き起こす。これは、その質問への答えが、従前からバッテリの劣化状態（ＳｏＨ：ｓｔａｔｅ－ｏｆ－ｈｅａｌｔｈ）により捕捉され、設計された容量に対するバッテリの満充電容量の比として定義される、バッテリの容量損失（ｃａｐａｃｉｔｙｆａｄｉｎｇ）の定量化に立脚するからである。残念ながら、モバイル・デバイスには、そのバッテリのＳｏＨを定量化するために必要とされる能力を装備させられない。例えばＡｎｄｒｏｉｄでは、バッテリ健全性をｇｏｏｄ又はｄｅａｄとのみ指定しており、定量化された情報はなにもない。図１は、バッテリ・テスタによる４つのＡｎｄｒｏｉｄ電話機のバッテリＳｏＨに対する測定値をプロットしたものであり、これらのバッテリはすべて、良好と標識されるが、それらのバッテリの容量は、５２％も下の方にフェージングしたことが認められる。ＣｏｃｏｎｕｔＢａｔｔｅｒｙ及びｉＢａｃｋｕｐＢｏｔなどのｉＯＳアプリは、ｉＰｈｏｎｅ（登録商標）及びＭａｃＢｏｏｋに対するバッテリＳｏＨを推定するが、それらのアプリの推定値は、信頼性が低く、変動することが知られている。

定量化されたバッテリＳｏＨが存在しないことは、デバイスのバッテリ寿命の、そのバッテリの保証期間との比較を妨げるものであり、なぜならば、ユーザは、デバイスの稼働が短くなったのが、システム・アップデート及びアプリ・インストレーションに起因するか、それとも、バッテリ・フェージングのためかがわからないことになるからである。そのことは、さらには、デバイスの残存電力を推定するときに、誤差を持ち込み、かくして、それらのデバイスを早まって、又は予想外の形でシャット・オフするものであり、なぜならば、バッテリの充電状態（ＳｏＣ：ｓｔａｔｅ－ｏｆ－ｃｈａｒｇｅ）は、定義により、それらのバッテリのＳｏＨに立脚するからである。例えば、モバイル・デバイスは、１０～３０％の残存電力を示す間でさえシャット・オフされていた。Ａｐｐｌｅは、最近、この問題のために、ｉＰｈｏｎｅ（登録商標）６Ｓバッテリの無料交換プログラムを公表し、通常より高速のＳｏＨ悪化が問題を引き起こしたと結論付けた。最後になるが大事なこととして、この不正確なＳｏＣは、容易に、バッテリ過充電／深放電、ＳｏＨ悪化を加速すること、及びかくして、ＳｏＣ誤差を増大すること、かくして、この２つの間の正のフィードバック・ループを形成することにつながる。

モバイル・デバイスのバッテリに関する健全性情報の欠陥は、それらのバッテリのＳｏＨを推定する、互換性のある方法が存在しないことから起こる。大部分の既存のＳｏＨ推定方法は、バッテリ・パラメータ、又は、特定の適用可能な条件のいずれかを要し、それらのパラメータの確定は、ハードウェア制限（例えば、インピーダンス及び超音波エコー）に起因して、モバイル・デバイスの能力が及ばないものであり、それらの条件は、デバイスの動的使用パターン（例えば、満充電及び放電するための小さい電流）に起因して、常に持続するとは限らない。なおまた、クーロン・カウンティング（電流積分による最も広く展開されるＳｏＨ推定方法）でさえ、モバイル・デバイス上では良好にサポートされず、なぜならば、（ｉ）モバイル・デバイスの、すべての電力管理ＩＣ（ＰＭＩＣ：ｐｏｗｅｒｍａｎａｇｅｍｅｎｔＩＣ）が、電流検知をサポートするとは限らず、そのことが、クーロン・カウンティングを実行不可能にする、及び、（ｉｉ）ＰＭＩＣによって提供される電流情報は、利用可能なときでさえ、粗く、リアル・タイム能力を欠くからである。モバイル・デバイスに関するそのような信頼性の低い電流情報は、さらには、Ａｍｐｅｒｅ、数百万のダウンロードを伴う電流検知アプリにより報告される。

Ｌ．Ｃａｓａｌｓら、「Ｐｈｅｖｂａｔｔｅｒｙａｇｉｎｇｓｔｕｄｙｕｓｉｎｇｖｏｌｔａｇｅｒｅｃｏｖｅｒｙａｎｄｉｎｔｅｒｎａｌｒｅｓｉｓｔａｎｃｅｆｒｏｍｏｎｂｏａｒｄｄａｔａ」ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＶｅｈｉｃｕｌａｒＴｅｃｈｎｏｌｏｇｙ（２０１６年６月）

本節は、必ずしも従来技術ではない、本開示に関係付けられる背景情報を提供する。

本節は、本開示の一般的な概要を提供するものであり、本開示の最大限の範囲、又は、本開示の特徴のすべての、包括的な開示ではない。

電話機又はモバイル・デバイスなどの装置に給電する再充電可能バッテリの劣化状態（ＳｏｆＨ：Ｓｔａｔｅ－ｏｆ－Ｈｅａｌｔｈ）を推定するための方法が提示される。フィンガープリントのセットが、装置により使用される所与のタイプのバッテリに対して用意され、各々のフィンガープリントは、バッテリに対する定量化されたＳｏｆＨを、バッテリの緩和電圧に対する所与のあらかじめ確定されたモデルにリンクし、所与のあらかじめ確定されたモデルは、バッテリが休止している間の時間の固定された期間にわたる２つ以上の点においてのバッテリの緩和電圧を記述する。方法は、所与のタイプの所与のバッテリの電圧を、所与のバッテリが休止している間の時間の固定された期間にわたって測定するステップと、所与のバッテリに対する現在のモデルを、電圧測定値から構築するステップと、現在のモデルをフィンガープリントのセットと比較することにより、所与のバッテリに対するＳｏｆＨを確定するステップとを含む。バッテリは、好ましくは、バッテリが満充電されるまでのものであり、所与のバッテリの両端間の電圧が、所与のバッテリが満充電された後に測定される。

実例実施例において、現在のモデルは、回帰分析を使用して構築される。例えば、現在のモデルは、電圧測定値を指数関数にフィットさせることと、指数関数を使用して電圧測定値をフィルタリング除去することと、フィルタリングされた電圧測定値を移動平均によって平滑化し、以て、所与のバッテリに対する現在のモデルを産出することとにより構築される。指数関数は、冪関数としてさらに定義され得る。電圧測定値の次元数が、さらには、主成分分析を適用することにより低減され得る。

実例実施例において、現在のモデルは、回帰木を使用して、フィンガープリントのセットと比較される。

一部の用例において、中断されない電圧測定値は、バックグラウンド・タスクに起因して、取得するのが困難である。この状況に対処するために、時間のセグメントが、バッテリが休止しているときに識別され、電圧測定値は、時間の識別されたセグメントから抽出され、現在のモデルは、抽出された電圧測定値から構築される。異なるバッテリ・サービスが、バッテリの確定されたＳｏｆｈに基づいて提供され得る。例えば、バッテリの使用可能容量が、バッテリの確定されたＳｏｆＨを使用して、残存使用時間に変換され得るものであり、その残存使用時間が、代わって、装置のユーザに表示され得る。

適用可能性のさらなる領域が、本明細書において提供される説明から明らかになるであろう。本概要においての説明及び特定の実例は、単に例解の目的のためであることが意図され、本開示の範囲を制限することは意図されない。

本明細書において説明する図面は、選択された実施例、及び、すべてではない可能な実現形態の、単なる例解的な目的のためのものであり、本開示の範囲を制限することは意図されない。

異なるモバイル・デバイスに対する、欠陥のあるＳｏＨ情報を示すグラフである。バッテリに対するＳｏＨを示す線図である。どのように不十分なサンプリング・レートがクーロン・カウンティングにおいて誤差を増幅するかを図示するグラフである。どのように不十分なサンプリング・レートがクーロン・カウンティングにおいて誤差を増幅するかを図示するグラフである。どのように不十分なサンプリング・レートがクーロン・カウンティングにおいて誤差を増幅するかを図示するグラフである。どのように不十分なサンプリング・レートがクーロン・カウンティングにおいて誤差を増幅するかを図示するグラフである。どのように不十分なサンプリング・レートがクーロン・カウンティングにおいて誤差を増幅するかを図示するグラフである。どのように不十分なサンプリング・レートがクーロン・カウンティングにおいて誤差を増幅するかを図示するグラフである。１つの充電／休止／放電サイクルの間の電圧曲線を示すグラフである。どのようにバッテリＳｏｆＨが複数個のサイクルにわたって悪化するかを示すグラフである。どのように緩和電圧が緩和期間の間に減少するかを示すグラフである。放電後の緩和電圧が、さらにはバッテリＳｏＨのフィンガープリントを採取するということを示すグラフである。示される再充電可能バッテリの劣化状態（ＳｏｆＨ）を推定するための実例方法を図示するフローチャートである。推定方法の実例実施例を図示する線図である。ＳｏＨ悪化の線形フィッティングを例解するグラフである。収集される緩和電圧を例解するグラフである。冪フィッティングの良好性を例解するグラフである。緩和電圧においての異なる次元が高度に相関させられるということを例解するグラフである。異なるバッテリ・タイプに対する回帰モデルの混同行列の図である。異なるバッテリ・タイプに対する回帰モデルの混同行列の図である。異なるバッテリ・タイプに対する回帰モデルの混同行列の図である。異なるバッテリ・タイプに対する回帰モデルの混同行列の図である。動的時間ワーピングによる悪化プロセスの間の類似性を示すグラフである。動的時間ワーピングによる悪化プロセスの間の類似性を示すグラフである。動的時間ワーピングによる悪化プロセスの間の類似性を示すグラフである。動的時間ワーピングによる悪化プロセスの間の類似性を示すグラフである。動的時間ワーピングによる悪化プロセスの間の類似性を示すグラフである。動的時間ワーピングによる悪化プロセスの間の類似性を示すグラフである。電圧降下とＳｏｆＨとの間の線形性を例解するグラフである。どのように緩和時間がバッテリの開始電圧レベルにより影響を及ぼされるかを示すグラフである。どのように緩和時間がバッテリの開始電圧レベルにより影響を及ぼされるかを示すグラフである。どれだけ長くユーザがしばしばデバイスを夜通し充電するかを示すグラフである。夜通しの充電後の休止電圧を示すグラフである。温度が休止の間は安定しているということを示すグラフである。充電後の緩和電圧が放電に敏感でないということを示すグラフである。充電後の緩和電圧が放電に敏感でないということを示すグラフである。充電後の緩和電圧が放電に敏感でないということを示すグラフである。トリクル充電が、収集される緩和電圧を汚染するということ、及び、どのように汚染されたトレースからサブ・トレースを抽出すべきかを示すグラフである。トリクル充電が、収集される緩和電圧を汚染するということ、及び、どのように汚染されたトレースからサブ・トレースを抽出すべきかを示すグラフである。トリクル充電が、収集される緩和電圧を汚染するということ、及び、どのように汚染されたトレースからサブ・トレースを抽出すべきかを示すグラフである。トリクル充電が、収集される緩和電圧を汚染するということ、及び、どのように汚染されたトレースからサブ・トレースを抽出すべきかを示すグラフである。提案される推定方法に対するラボ実験結果を示すグラフである。提案される推定方法に対するラボ実験結果を示すグラフである。提案される推定方法に対するラボ実験結果を示すグラフである。提案される推定方法に対するラボ実験結果を示すグラフである。提案される推定方法に対するラボ実験結果を示すグラフである。提案される推定方法に対するラボ実験結果を示すグラフである。提案される推定方法に対する実地テスト結果を示すグラフである。提案される推定方法に対する実地テスト結果を示すグラフである。提案される推定方法に対する実地テスト結果を示すグラフである。提案される推定方法に対する実地テスト結果を示すグラフである。提案される推定方法に対する実地テスト結果を示すグラフである。ＳｏｆＨ推定量により補償される充電状態及び残存稼働時間推定を示すグラフである。ＳｏｆＨ推定量により補償される充電状態及び残存稼働時間推定を示すグラフである。ＳｏｆＨ推定量により補償される充電状態及び残存稼働時間推定を示すグラフである。異常なバッテリ挙動検出を示すグラフである。ユーザ横断バッテリ比較を示すグラフである。バッテリ抵抗監視を示すグラフである。モバイル・デバイス内のバッテリ・サービスをかなえるためのシステムの線図である。

対応する参照番号は、図面のいくつかの視図の全体を通して、対応する部分を指示する。

劣化状態（ＳｏＨ）は、最も重大な意味をもつバッテリ・パラメータのうちの１つであり、バッテリの容量損失を定量化し、そのバッテリの設計されたレベルＣ_{ｄｅｓｉｇｎ}に対するバッテリの満充電容量Ｃ_{ｆｕｌｌｃｈａｒｇｅ}の比として定義される。

Ｃ_{ｆｕｌｌｃｈａｒｇｅ}は、ＳｏＨ推定の土台であり、そのＣ_{ｆｕｌｌｃｈａｒｇｅ}は、普通、クーロン・カウンティング、すなわち、２つのＳｏＣレベルの間でバッテリを放電させる／充電するときに電流を積分して、次式のように、放電される／充電される容量を算出することによって推定される。

ただし、ｉ（ｔ）は、時間ｔにおいての電流である。この手立てで、次式であることがわかる。

汎用品モバイル・デバイスは、利用可能性、精度、及び適時性の見地において、良好にクーロン・カウンティングをサポートせず、かくして、それらのモバイル・デバイスのバッテリＳｏＨを推定することを困難にする。

第１に、モバイル・デバイスの、すべてのＰＭＩＣ、又は、より具体的には、それらのＰＭＩＣの燃料ゲージ構成要素が、電流検知をサポートするとは限らない。

なおまた、ＰＭＩＣによって提供される電流情報は、利用可能なときでさえ、非常に粗い。汎用品モバイル・デバイスは、それらの電流を、直列に接続される抵抗器ｒによって推定し、抵抗器の両端間の電圧ｖを測定し、電流をｉ＝ｖ／ｒと推定する。抵抗器は、低くなければならない発熱の副作用（すなわち、ｉ^２ｒ）を引き起こし、かくして、小さいｒを要する。例えば、Ｍａｘｉｍは、１００ｍＡ電流によって動作するデバイスに対してｒ＜５０ｍΩを指示する、＜０．５ｍＷ発熱オーバーヘッドを要する。しかしながら、そのような小さい値は、抵抗器の両端間の電圧を低減し、かくして、電流検知精度を悪化させる。さらには、抵抗は、５～１０％抵抗変動を容易に引き起こして変動する温度に依存的である。

最後に、電流情報は、クーロン・カウンティングにとって不可欠である適時性を欠くことがあり、なぜならば、デバイスの電流は、高度に動的である、すなわち、数ミリ秒内に数十ミリアンペアから数千ミリアンペアへと変動していることが知られているからである。例えば、ＡｎｄｒｏｉｄのＢａｔｔｅｒｙＭａｎａｇｅｒは、２つのサンプリング・レート：１分ごと及び１０分ごとのサンプルのみをサポートする。ＰＭＩＣによって提供される電流情報に直接アクセスすることさえも、その情報の低い更新頻度のために、きめの細かい電流検知を達成しないことがある。不十分なサンプリング・レートに起因する、悪化させられるクーロン・カウンティングを例解すると、１２分電流トレースが、５，０００Ｈｚで作動するＭｏｎｓｏｏｎ電力モニタによってＧａｌａｘｙＳ５電話機から収集されたものであり、そのことの間に、１１４ｍＡｈ容量が放電される。次いで、このトレースに基づいて、クーロン・カウンティングが、それぞれ１１５ｍＡｈ、１０９ｍＡｈ、９８ｍＡｈ、及び６０ｍＡｈの放電される容量を達成する、１Ｈｚ、１／３０Ｈｚ、１／６０Ｈｚ、及び１／１２０Ｈｚの異なるサンプリング・レートをエミュレートすることにより実現されたものであり、不十分なサンプリング・レートが、最高４７％のカウンティング誤差を引き起こす（図３）。クーロン・カウンティングの誤差は、時間を経て蓄積するということに注目されたい。

クーロン・カウンティングをサポートすることにおいてのモバイル・デバイスの欠陥、及び、それらのモバイル・デバイスの制限されるＳｏＨ情報が、本発明者らに、さらには本明細書においてＶ－健全性（Ｖ－Ｈｅａｌｔｈ）推定方法と呼称される、電流なしのＳｏＨ推定を探究する動機を与えた。

Ｖ－健全性推定方法は、バッテリの緩和電圧がそれらのバッテリのＳｏＨのフィンガープリントを採取するという主要な発見を基に築き上げられる。この発見は、２，２００ｍＡｈＧａｌａｘｙＳ３バッテリによって実証される。具体的には、バッテリは、（ｉ）Ｌｉイオン・バッテリ・データシートにおいて一般に特定されるような＜０．５Ｃ，４．２Ｖ，０．０５Ｃ＞_ｃｃｃｖの定電流定電圧（ＣＣＣＶ：ｃｏｎｓｔａｎｔ－ｃｕｒｒｅｎｔｃｏｎｓｔａｎｔ－ｖｏｌｔａｇｅ）プロファイルによって、そのバッテリを満充電すること、（ｉｉ）そのバッテリを３０分の間休止させること、（ｉｉｉ）３．３Ｖのカットオフ電圧であって、その電圧においてモバイル・デバイスが通常はシャット・オフする、カットオフ電圧に達するまで、そのバッテリを０．５Ｃレートで満放電させること、及び、（ｉｖ）プロセスを３００サイクルの間反復することによりテストされた。この測定は、ＮＥＷＡＲＥＢＴＳ４０００バッテリ・テスタによって為され、サイクリング・プロセス（すなわち、電流、電圧、タイムスタンプ）が、１Ｈｚでロギングされる。図４Ａは、１つのそのような充電／テスティング／放電サイクルの間のバッテリ電圧をプロットし、休止の間の緩和電圧を強調表示する。緩和電圧は、休止を基に即座に降下し、次いで、その電圧が収束するまで徐々に減少する。

バッテリの満充電容量（及び、式（１）によって、そのバッテリのＳｏＨ）は、クーロン・カウンティングによって放電の間に収集され、かくして、図４Ｂにおいて示されるような、サイクリング測定の間の、その容量の悪化プロセスを記録する。さらには、各々が、図４Ｃにおいて見て取られるような、３０分休止期間のものの間である、３００の時系列の緩和電圧が収集される。図４Ｂ及び４Ｃの比較は、バッテリＳｏＨが、その容量損失に起因して、サイクリング測定にわたって悪化し、一方で、同じ測定の間、そのバッテリの緩和電圧が減少し、そのことが、緩和電圧によってバッテリＳｏＨのフィンガープリントを採取する可能性を呈するということを示す。

ＳｏＨ悪化と、バッテリ放電後の緩和電圧との間の相関が、さらには、図４Ｄにおいて示されるように、１２０サイクル測定にわたって認められる。明確性のために、すべての緩和トレースがプロットされるとは限らないということに注目されたい。バッテリは、各々のサイクルにおいて、＜０．５Ｃ，４．２Ｖ，０．０５Ｃ＞_ｃｃｃｖによって充電され、３．５Ｖのカットオフ電圧に達するまで０．５Ｃレートで放電させられ、３０分の間休止させられる。バッテリＳｏＨは、測定にわたって悪化し、一方で、同時に、緩和電圧は増大する。

Ｖ－健全性推定方法は、この電圧－ＳｏＨ関係性を活用して、デバイス・バッテリのＳｏＨを推定することを、オフラインで構築されるフィンガープリント・マップによってそれらのデバイス・バッテリの緩和電圧をチェックすることにより行う。図５は、再充電可能バッテリの劣化状態（ＳｏｆＨ）を推定するための実例方法の大要を提供する。第１に、フィンガープリントのセットが、５１において、所与のタイプのバッテリに対して構築される。各々のフィンガープリントは、バッテリに対する定量化されたＳｏｆＨ（例えば、初期容量の７０％又は８５％）を、バッテリの緩和電圧に対するあらかじめ確定されたモデルにリンクする。モデルは、バッテリが満充電された後の時間の固定された期間にわたる２つ以上の点においてのバッテリの緩和電圧を記述する。フィンガープリントを構築するための技法を、下記でさらに説明する。モバイル・デバイスの文脈において、フィンガープリントのセットは、前もって確定され、以後の使用のためにモバイル・デバイスのコンピュータ・メモリ内に記憶される。

ＳｏｆＨを推定するために、（フィンガープリントを構築するために使用されるものと同じタイプの）バッテリの電圧が、５２において、バッテリが休止している間の時間の同じ固定された期間（例えば、３０分）にわたって測定される。実例実施例において、バッテリは、満容量に充電され、次いで、休止することを可能とされる。電圧測定値が、次いで、バッテリの充電の直ちに後に続く休止期間の間にとられる。バッテリ電圧は、他の休止期間の間に、ただし、好ましくは、フィンガープリントが構築された同じ条件のもとで測定され得るということが想像される。

電圧測定値から、緩和電圧に対する現在のモデルが、フィンガープリントを構築するために使用されたのと同じ様式で構築される。実例実施例において、モデルは、下記でさらに説明することになるように、回帰分析を使用して構築される。現在のモデルは、次いで、５４において、フィンガープリントのセットにおいてモデルの各々と比較される。実例実施例において、現在のモデルは、回帰木により定義される判断規則のセットに基づいて、フィンガープリントのセットにおいてモデルと比較される。バッテリのＳｏｆＨは、５５において指示されるように、現在のモデルに最も密接に相関するモデルと関連付けられる定量化された値であるとみなされる。例えば、現在のモデルが、７５％ＳｏｆＨとリンクされるモデルに密接に相関するならば、バッテリのＳｏｆＨは、７５％であると推定される。

図６は、バッテリ健全性を緩和電圧に基づいて推定するための実例実施例をさらに説明する。上部部分は、どのようにフィンガープリントが構築されるかを図示し、しかるに、下部部分は、どのように推定がモバイル・デバイスによりフィンガープリントを使用して為されるかを図示する。

バッテリのＳｏＨ悪化及び緩和電圧の知識が、それらの関係性を広範なバッテリ・サイクリング・テストによって特性評価するために必要である。そのようなテストは、ＳａｍｓｕｎｇなどのスマートフォンＯＥＭにとっては、たやすく利用可能である。

Ａｐｐｌｅは、それらの製品をテストするとき、しかしながら、非ＯＥＭ研究者／エンジニアにとっては利用可能でない。それゆえに、広範なバッテリ・サイクリング測定が、表３において要約されるような様々なモバイル・デバイスに対して使用される１３個のバッテリ（図４において示されるものを含む）によって履行されたものであり、測定は、総計で７，４６２サイクルからなり、累積的に４４か月にわたって続く。

これらの測定において、＜０．５Ｃ，４．２Ｖ，０．０５Ｃ＞_ｃｃｃｖ及びＶ_{ｃｕｔｏｆｆ}＝３．０Ｖのセッティングが、バッテリ・テスティングの間、工業においてのバッテリ特質を特定するために共通に使用され、Ｖ_ｍａｘ＝４．３５Ｖ、及び、３．２～２．２ＶのＶ_{ｃｕｔｏｆｆ}が、より多くのデバイス特性を特定し、モバイル・デバイスは、通常、４．３～４．４Ｖの最大電圧に充電され、それらのモバイル・デバイスのバッテリ電圧が３．２～３．３Ｖに低減するときにシャット・オフされる。

４４か月にわたるこれらの測定が、完全なバッテリ悪化（１００％から０％へのＳｏＨ）を捕捉するのに十分でないことがあるとしても、それらの測定は、ユーザが最も体験するＳｏＨレンジの中の電圧－ＳｏＨ関係性を識別するのに充分に良好である（例えば、ユーザは、古いバッテリが０％ＳｏＨに悪化するまでは、新しいバッテリに切り替えることはまれである）。なおまた、かくして識別される電圧－ＳｏＨ関係性は、これらの測定によりカバーされないＳｏＨレンジに拡張され得る。

フィンガープリントの構築に対して、４つのＧａｌａｘｙＳ３バッテリに基づく１２のそのような測定が、電圧ベースのＳｏＨフィンガープリント・マップの構築を精巧に仕上げるために使用される。これらの１２の測定の各々は、１Ｈｚでロギングされる、約３００の充電／休止／放電サイクルからなる。この手立てにおいて、各々が１つの測定からのものである、１２のＳｏＨ－悪化トレースが、収集され、さらには、各々がサイクルの中の休止期間からのものである、３，６１２の時系列の緩和電圧を記録した。フィンガープリント・マップ構築の同じ手法が、表３内のすべてのバッテリに適用され、本開示において後程解説されることになるように評価される。

分散／ノイズが、（図４において認められるように）ＳｏＨ悪化及び緩和電圧の両方において存在し、そのことは、とりわけ、安定した実験室環境（すなわち、接続されるＵＰＳ、及び室温制御を伴う）、及び、バッテリ・テスタの高い精度（すなわち、サイクリング・プロセスを制御することにおいての０．５％未満の誤差）を考慮するとき、バッテリ動態に起因する公算が大きい。バッテリ測定においてのそのような分散が、さらには報告されており、そのことは、フィンガープリント・マップを構築する前の、データの前処理（すなわち、フィルタリング及び平滑化）の必要を生じさせる。実例実施例において、収集されたデータは、ＳｏＨ悪化及び緩和電圧に対する２つの経験的に確立されたモデルを使用して、フィルタリング及び平滑化された。

バッテリ健全性は、それが現実に悪くなるまで、（図４Ｂにおいて認められるように）近似的に線形に悪化するように示される。この線形悪化について、さらに妥当性を確認するために、線形フィットが、１２の収集されたＳｏＨ悪化プロセスに適用されたものであり、それらのプロセスのすべては、各々の点が個別のＳｏＨ悪化プロセスに対するフィットの良好性を表す、図９において示されるように、ルート・ミーン・スクエア・エラー（ＲＭＳＥ：ｒｏｏｔ－ｍｅａｎ－ｓｑｕａｒｅｅｒｒｏｒ）及びＲスクエア（Ｒ－Ｓｑｕａｒｅｄ）の見地において、優秀なフィットの良好性を有する。アウトライアＳｏＨサンプルが、この線形モデルに基づいて除去され得るものであり、線形フィッティングからあまりにも多く外れるそれらのＳｏＨサンプル（例えば、＞０．５％ＳｏＨ）は、アウトライアと標識され、除去される。残りのサンプルが、次いで、移動平均によって平滑化される。

このことを背景にして、現在のモデルを電圧測定値のセットから構築するための実例手法を説明する。実例実施例において、Ｖ－健全性推定方法は、第１に、電圧測定量を指数関数にフィットさせる。具体的には、この手法は、緩和電圧が冪関数と符合するという別の経験的知見に基づいて、緩和電圧をフィルタリング及び平滑化する。図８を参照すると、冪関数は、ｖ（ｔ）＝ａ・ｔ^ｂ＋ｃ（ｔ≧０）として定義され、ただし、ｔは、休止からの時間であり、ａ、ｂ、及びｃは係数であり、それらの係数の値は、フィッティングから導出される。例解すると、冪関数が、この知見を統計的に検証するために、３，６１２の収集された緩和電圧トレースに適用される。図９は、フィットの良好性を要約するものであり、フィッティングＲＭＳＥは０．０００９より下方に、及び、Ｒスクエアは０．９６５より上方にとどめられ、優秀なフィッティング精度を示す。この冪モデルは、指数形状緩和電圧による既存のモデルとは異なるということに注目されたい。図９は、さらには、緩和電圧の同じセットを、１項及び２項指数関数、すなわち、ｖ（ｔ）＝ａ・ｅ^ｔ・ｂ（ｔ≧０）及びｖ（ｔ）＝ａ・ｅ^ｔ・ｂ＋ｃ・ｅ^ｔ・ｄ（ｔ≧０）としてフィットさせるときのフィットの良好性をプロットするものであり、適度に良好な精度を示すが、冪フィッティングほど良好ではない。かくして、他のタイプの関数が、電圧測定量をフィットさせるために使用され得る。

Ｖ－健全性推定方法は、緩和電圧をこの冪モデルによってフィルタリングし、例えば、最下位５％のフィットの良好性を伴う緩和電圧トレースをアウトライアと標識し、これらの測定量を放棄する。移動平均平滑化器が、次いで、あらためて、残った妥当な緩和電圧トレースを平滑化するために使用されるが、他の平滑化技法が、本開示により思索される。一部の実施例において、残存電圧測定量は、バッテリに対する現在のモデルとして働く。

ＳｏＨサンプルがアウトライアと標識されるならば、同じサイクル内の緩和電圧もまたそうであり、逆もしかりであるということに注目されたい。さらには、Ｖ－健全性推定方法は、モデル・フィッティング結果を使用して、フィンガープリント・マップを構築する代わりに、これらの経験的モデルに基づいてアウトライアをフィルタリング除去するのみであり、かくして、モデル精度へのその方法の依存性を軽減する。実例として、２６８のＳｏＨサンプル及び緩和電圧トレースが、図４において示される３００サイクル測定から、データ前処理の後に選択される。電圧測定量をフィルタリング及び平滑化するための他の技法が、さらには、本開示のより幅広い態様の中に該当する。

収集される緩和電圧の各々は、１Ｈｚでロギングされる３０分休止期間をカバーし、３０×６０＝１，８００個のデータの次元を産出する。さらには、これらの次元の各々においての電圧値は相関させられる。図１０は、図４から選択される２６８個の緩和電圧の１，８００個の次元の、各々の対の間の相関をプロットし、強い相関（約０．８、又はより高い相関係数を伴う）が、大部分の事例において認められる。実例実施例において、次元は、主成分分析（ＰＣＡ：ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ）を適用することにより低減される。そのような高度に相関させられる高次元緩和電圧は、次元の低減のための、ＰＣＡの、Ｖ－健全性推定方法の使用を正当化し、そのことは、フィンガープリント・マップを構築することにおいての計算労力を低くする。あらためて、図４においての測定を実例として取り上げると、ＰＣＡを適用することは、緩和電圧次元を１，８００から３５に、９９％の分散を伴って低減する。これらの結果的に生じる電圧測定値は、代わって、現在のモード、又はフィンガープリントとして働く。一部の実施例において、他の低減方法が適用され得るということ、又は、次元低減は省略され得るということが理解される。

実例実施例において、Ｖ－健全性推定方法は、回帰木を使用して、フィンガープリント・マップを、予測子としての上記で取得された主成分、及び、応答としての対応するＳｏＨによって構築する。図１１は、各々のバッテリに対する構築される回帰モデルについて妥当性を確認するときの混同行列をプロットするものであり、それらの行列は、４％ステップ・サイズを伴う５つのＳｏＨカテゴリを形成するときの、９５％より上の分類精度を示す。この４％ステップ・サイズは、単に視覚的明確性のためのものであり、０．１％のよりきめの細かいステップ・サイズのＳｏＨが、本開示において後程、Ｖ－健全性推定方法の評価のために使用されるということに注目されたい。回帰木が、その単純性、及び高い解釈可能性のために使用されるが、ＳＶＭ、ＫＮＮ、及び、それらの変形物などの、他の比較方法が、さらには、本開示により思索される。なおまた、他のモデリング技法が、さらには、同じように本開示の範囲の中に該当する。

構築されるフィンガープリント・マップは、すべての同じモデルのバッテリに対して適用可能でなければならず、そのことは、後に続く２つの統計的知見によって検証され得る。第１に、測定において使用される４つのバッテリのＳｏＨ悪化は、下記の表４において示されるように、高度に相関させられる。

第２に、動的時間ワーピングによる４つのバッテリのＳｏＨ悪化プロセスの間の類似性を評価することができ、結果として生じるワーピング・パスは、各々のバッテリ対に対して悪化行列の対角線に近く、強い類似性を呈する。これらの洞察は、フィンガープリント・マップを１つ（又は複数）のバッテリによって訓練することの、Ｖ－健全性推定方法の一般性、及び、他の同じモデルのバッテリへのその方法の適用をサポートする。バッテリ横断推定精度が、本開示において後程評価される。

理想的には、Ｖ－健全性推定方法は、ＯＥＭにより提供されることが、例えば、完全なバッテリＳｏＨレンジをカバーする、バッテリ・サイクリング・データセットへのそれらのＯＥＭのアクセシビリティのために行われることになる。制限されるデータセットが利用可能である事例において、そのデータセットは、休止の間の電圧降下とバッテリＳｏＨとの間の線形性に基づいて外挿され得る。あらためて、図４においてのサイクリング測定が、この知見を示すために使用される。図１５は、バッテリが、各々のサイクルの休止期間の間、１０、２０、及び３０分の間休止させられる後の電圧降下を、そのサイクルの間の対応するバッテリＳｏＨとともにプロットする。線形フィッティングの後に１０ほどのＲＭＳＥを伴う、降下させられる電圧のすべての３つのトレースにおいての明確な線形性を見て取ることができる。この知見は、利用可能なサイクリング・データセットに基づいて線形係数を識別し、カバーされないＳｏＨに対応する緩和電圧を生成し、完全な電圧フィンガープリント・マップをついには構築することを可能にする。

モバイル・デバイス上で緩和電圧を収集することを、さらに説明する。緩和電圧は、後に続く理由のために、モバイル・デバイス上で常に収集可能であるとは限らない。第１に、緩和電圧は、（すなわち、サイクリング測定において３０分休止期間の間）遊休であることをバッテリに求める。しかしながら、モバイル・デバイスは、デバイス監視及びバックグラウンド活動に起因して、遊休モードにおいてでさえ、それらのモバイル・デバイスのバッテリを、継続的及び動的電流によって放電させる。さらには、バッテリ電圧は温度に依存的であり、そのため、安定した熱的環境が、緩和電圧を収集するために要される。このことは、広く公にされているデバイス過熱問題に起因して難題である。最後になるが大事なこととして、緩和電圧は、その開始電圧により影響を及ぼされる。図１４は、［３．６，４．２］Ｖの中の異なる電圧においてバッテリを休止させるときの緩和電圧を比較するものであり、緩和電圧と、その開始電圧レベルとの間の明確な依存性を示す。そのような依存性は、緩和電圧の収集に対する統一された開始電圧を要する。

Ｖ－健全性推定方法は、ユーザがしばしば、そのユーザらのデバイスを夜通し充電する（充電持続期間は、デバイスが満充電された後でさえ、充電器が接続された様態に保たれるほどに長い）という事実に基づいて、これらの難題を減軽する。図１５は、１～３か月にわたる、７人のユーザから収集された９７６の充電事例の充電時間（すなわち、充電器の接続から接続解除までの時間）分布をプロットするものであり、それらの事例の３４％は、６アワー（ｈｏｕｒ：時間）を超えて続いたものであり、よくある形の夜通しの充電に起因して、デバイスが満充電された後、充電器を接続された様態に保つのに充分に長いということを示す。実例実施例において、Ｖ－健全性推定方法は、バッテリが夜通しの充電の間に１００％ＳｏＣに達すると、緩和電圧を収集することを開始し、そのことを、充電器が接続解除されるときに停止する。緩和電圧のこの収集は、すべての上記で述べられた難題を減軽する。

第１に、夜通しのデバイス充電は、そのデバイスのバッテリを休止させる。汎用品充電器は、別々の電力経路を使用して、バッテリを充電し、デバイスに給電し、夜通しの充電においてのように、バッテリが１００％ＳｏＣに達する後でさえ、充電器が接続された様態に保たれるならば、バッテリを休止させる。図１６は、そのような休止させられるバッテリを示し、充電器は、Ｎｅｘｕｓ６Ｐ及びＮｅｘｕｓ５Ｘ電話機を満充電する後、接続された様態に保たれ、それらの電話機のバッテリ電圧及び電流が記録され、電流は、バッテリを満充電し、かくして、バッテリを休止させる後、０ｍＡに低減し、０ｍＡにとどまり、バッテリ電圧は、図４と合致して、最初は即座に、及び次いで、徐々に降下する。第２に、夜通しの充電は、バッテリに、相対的に安定した熱的環境を提供する。大部分のモバイル・デバイスは、それらのバッテリをＣＣＣＶによって充電し、そのＣＣＣＶの間、ＣＶ－Ｃｈｇ相は、低い充電レートで長くかかり、かくして、バッテリをあまり加熱せず、そのバッテリの平衡を可能とする。この手立てで、バッテリは、ＣＶ－Ｃｈｇ相が完了する（及びかくして、バッテリが満充電される）後、休止期間の間、安定した熱的環境において動作する。このことを検証するために、ＧａｌａｘｙＳ６Ｅｄｇｅ及びＮｅｘｕｓ５Ｘ電話機のバッテリ温度を、８日の実生活使用の間、監視することができる。図１７は、それらのバッテリを満充電する後の休止期間の間の温度分布を、通常の使用のもとでの温度分布と比較するものであり、低減される熱的変動を示し、例えば、Ｎｅｘｕｓ５Ｘバッテリの温度レンジは、通常の事例においての２５～５０℃から、休止するときの２９～３９℃に狭められる。最終的に、バッテリが満充電された後に緩和電圧を収集することが、満充電されるレベル、例えば、ＧａｌａｘｙＳ６Ｅｄｇｅに対する４．３７Ｖにおいて、開始電圧を統一する。

さらには、デバイスの使用パターン（すなわち、どのようにそのデバイスのバッテリが放電させられるか）が、そのデバイスの充電後の緩和電圧に影響を及ぼすかどうかを考慮しなければならない。この最終目的に対して、（ｉ）ｍＡの枠内の異なる放電電流を伴う６つのサイクル（図１８Ａ）、及び、（ｉｉ）Ｖの枠内の異なるカットオフ電圧を伴う別の５つのサイクル（図１８Ｂ）に対して、ＧａｌａｘｙＳ４バッテリを放電させ、充電し、次いで休止させる。各々の休止期間の間の、かくして収集される６＋５＝１１の緩和電圧トレースが、図１８Ｃにおいてプロットされる。これらの緩和電圧は、（例えば、図１２との比較において）互いに非常に近く、先の放電に対するそれらの緩和電圧の非敏感性、及びかくして信頼性を呈する。あらためて、このことはなぜならば、バッテリの充電、とりわけＣＶ－Ｃｈｇは、満充電された後の休止期間からの、それらのバッテリの先の放電により引き起こされる妨害をマスクするからである。

所定のモバイル・デバイス（例えば、ＧａｌａｘｙＳ６Ｅｄｇｅ、ＧａｌａｘｙＳ４、その他）は、（満充電されるバッテリを、無負荷のもとで、そのバッテリの自己放電レートに等しいレートで充電する）トリクル充電を使用して、それらのモバイル・デバイスのバッテリを１００％ＳｏＣに保ち、そのことは、バッテリ休止を無価値にし、かくして、収集される緩和電圧を汚染する。具体的には、これらのデバイスは、満充電されるバッテリが、あらかじめ規定された値、例えば、ＧａｌａｘｙＳ６Ｅｄｇｅに対する２０ｍＶ、及び、ＧａｌａｘｙＳ４に対する４０ｍＶに対して降下したとすると、トリクル充電をトリガし、バッテリが再び満充電された後、トリクル充電を停止する。図１９Ａは、夜通しの充電の間のＧａｌａｘｙＳ４電話機の電圧をプロットするものであり、その充電の間、トリクル充電は、図１９Ｂにおいて示されるように、電話機が満充電された後に７回トリガされる。２つの連続的なトリクル充電の間の持続期間は増大するものであり、なぜならば、バッテリＯＣＶが、満充電されるレベルに近付くからである。

トリクル充電は、バッテリが休止することを妨げ、かくして、緩和電圧を汚染する。Ｖ－健全性推定方法は、バッテリ電圧の突然の増大／降下がトリクル充電のトリガリング／停止を指示するという単純な知見によって、汚染されたトレースから緩和サブ・トレースを抽出する。具体的には、Ｖ－健全性推定方法は、デバイスが満充電された後のｌ遅延（ｌ－ｌａｇ）デルタ電圧を算出し（図１９Ｃ）、その電圧にロー・パス・フィルタを通過させる（図１９Ｄ）。この手立てで、Ｖ－健全性推定方法は、トレース内の山及び谷の位置を突き止めることにより、緩和サブ・トレースを抽出する。冪フィッティングが、次いで、かくして抽出されたサブ・トレースに適用され、それらのサブ・トレースは、フィットの良好性が容認可能であるならば、妥当であると結論付けられる。

しかしながら、サブ・トレースは、フィンガープリントを形成するのに充分長くないことがある。この問題を矯正するために、Ｖ－健全性推定方法は、サブ・トレースを使用して、冪関数の定数を確定する。冪関数は、次いで、中断なしの電圧トレース全体を予測するために使用され得る。予測されるトレースは、次いで、上記で論述した様式でＳｏｆＨを確定するために使用され得る。

複数個の緩和サブ・トレースは、（図１９においてのような）単一の夜通しの充電の間に収集及び復元される公算が大きく、かくして、複数個のＳｏＨ推定値が作製され得る。Ｖ－健全性推定方法は、そのような推定値の平均を、生のバッテリＳｏＨとして使用する。さらには、異なる夜通しの充電から取得される生のＳｏＨの間に揺動が存し得る。Ｖ－健全性推定方法は、さらに、１次平滑化器を使用して（すなわち、現時及び先の生のＳｏＨ推定値を線形フィットさせることにより現時のＳｏＨを推定する）、そのような揺動を減軽し、平滑化された結果を、最終的なバッテリＳｏＨとしてユーザに報告する。揺動のそのような減軽は、さらには、モバイル・デバイスのＳｏＣ推定において使用される。

第１に、Ｖ－健全性推定方法は、表３において要約される測定に基づいて評価される。３０分休止期間をカバーする緩和電圧が、他の形で特定されない限り、フィンガープリントとして使用される。比較のために、５分緩和の後の電圧降下はバッテリＳｏＨにおいて線形であるという想定に立脚する、ベース・ライン方法、Ｖ－降下（Ｖ－Ｄｒｏｐ）が実現された。これは、Ｌ．Ｃａｓａｌｓらにより、「Ｐｈｅｖｂａｔｔｅｒｙａｇｉｎｇｓｔｕｄｙｕｓｉｎｇｖｏｌｔａｇｅｒｅｃｏｖｅｒｙａｎｄｉｎｔｅｒｎａｌｒｅｓｉｓｔａｎｃｅｆｒｏｍｏｎｂｏａｒｄｄａｔａ」ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＶｅｈｉｃｕｌａｒＴｅｃｈｎｏｌｏｇｙ（２０１６年６月）において説明されている方法の改善されたバージョンであり、その方法を、元の放電後事例の代わりに充電後緩和シナリオに合わせ、かくして、バッテリを同様のパターンで放電させる後、緩和電圧が、同じＳｏＣにおいて収集されるという、その方法のさらなる想定を除去することによるものである。

第１に、Ｖ－健全性推定方法は、バッテリの各々によって収集されるデータセットに基づいて評価され、その結果は、（絶対値での）推定誤差の５及び９５パーセンタイル、並びに、それらの平均値の見地において、図２０Ａにおいて要約されている。Ｖ－健全性推定方法は、＜１％平均値誤差を伴うバッテリＳｏＨを推定し、それらの誤差の大部分は、０．５％を境にとどめられ、すべての探究された事例において、Ｖ－降下を凌ぐ。より重要なことには、Ｖ－健全性推定方法は、推定誤差においての分散を有意に低減し、かくして、Ｖ－降下と比較されるときに、はるかに信頼性が高く、現に、Ｖ－降下による最悪事例推定誤差は、絶対ＳｏＨ値の７０％より上に達する。そのような信頼性は、Ｖ－健全性推定方法の、フィンガープリントとしての時系列の緩和電圧の活用により達成され、そのことは、ＳｏＨ推定に対する単一の電圧読み取りに依拠するＶ－降下より、測定においての分散／ノイズに照らして、はるかにロバストである。

Ｖ－健全性推定方法は、さらには、バッテリによってフィンガープリント・マップを訓練することにより評価され、その精度について、他の同じモデルのバッテリによって収集されるトレースによって妥当性を確認するものであり、すなわち、バッテリ横断妥当性確認である。このことは、ローカル・デバイスのバッテリＳｏＨを、オフラインで訓練されたフィンガープリント・マップに基づいて推定することの、実生活類推である。図２０Ｂは、４つのＧａｌａｘｙＳ３、及び、２つのＮｅｘｕｓ５Ｘバッテリによる妥当性確認結果をプロットするものであり、記号ｘ／ｙは、バッテリｘによって訓練し、バッテリｙによって妥当性を確認することを表象する。推定誤差は、同じバッテリ評価より大きくはあるが、それでもなお、大部分の事例において２％を境にとどめられる。

ユーザは、そのユーザらのデバイスを、日ごとに、異なる充電器によって、例えば、ＵＳＢ又はＤＣ充電器を使用して充電することがある。次に、プロファイル横断評価が、Ｖ－健全性推定方法がそのような異種の充電器事例において耐えられるかどうかを検証するために、図２０Ｃにおいて示されるように、４つのＧａｌａｘｙＳ３バッテリによって使用される。具体的には、Ｖ－健全性推定方法は、＜０．５Ｃ，４．２０Ｖ，０．０５Ｃ＞_ｃｃｃｖによって充電するときに収集されるデータセットによって訓練され、その精度について、＜０．２５Ｃ，４．２０Ｖ，０．０５Ｃ＞_ｃｃｃｖによって充電するときに収集されるデータセットによって、すなわち、標準ダウンストリームＵＳＢ２．０ポートによって充電するときと近似的に同じ、２，２００×０．２５＝５５０ｍＡの定充電電流によって妥当性を確認する。図２０Ｂ及び２０Ｃの比較は、異なる充電プロファイルに起因する、悪化させられるＳｏＨ推定の明確な証拠はないことを示し、数個の事例が約３％の推定誤差を結果的に生じさせるが、大部分の事例においての誤差は、図２０Ｂに匹敵するものであり、一部は、より小さくさえあり、そのことは、充電器異種性に照らしての、Ｖ－健全性推定方法のロバスト性を検証する。

Ｖ－健全性推定方法の信頼性は、さらに、その方法を複数個のバッテリによって訓練することにより改善され得る。図２０Ｄは、Ｖ－健全性推定方法を、４つのＧａｌａｘｙＳ３バッテリのうちの３つによって訓練し、第４のものを妥当性確認のために使用するときのＳｏＨ推定誤差をプロットするものであり、その推定誤差を、単一のバッテリ訓練の事例と比較する。結果は、複数個のバッテリによる訓練が、単一のバッテリ訓練によって達成される最良の事例と比較して、わずかに増大される誤差を犠牲にして、ＳｏＨ推定においての分散を低減し、かくして、Ｖ－健全性推定方法の信頼性を改善するということを示す。しかしながら、そのような最良の事例は、図２０Ｄにおいて示されるように、訓練のために使用されるバッテリの見地において、かなりランダムであるということに注目されたい。

ＳｏＨ推定においてのＶ－健全性推定方法の精度への、緩和時間持続期間及び電圧サンプリング・レートの影響力が、それぞれ図２０Ｅ及び２０Ｆにおいて示されるように探究された。結果は、緩和時間は、あまり長いことを必要としない、例えば、推定誤差は約１０分の緩和によって収束するが、内である５分の緩和は充分でないということを示す。さらには、Ｖ－健全性推定方法は、きめの細かい緩和電圧に対して、より高いサンプリング・レートを好む。

Ｖ－健全性推定方法は、さらには、ＧａｌａｘｙＳ５、ＧａｌａｘｙＳ４、ＧａｌａｘｙＮｏｔｅ２、Ｎｅｘｕｓ６Ｐ、及びＮｅｘｕｓ５Ｘを含む複数個のＡｎｄｒｏｉｄ電話機上で実現され、２０～７７日にわたって評価された。これらのデバイスは、適応型画面輝度で、Ｙｏｕｔｕｂｅ、フラッシュライト、及び、ＢａｔｔｅｒｙＤｒａｉｎｅｒと呼ばれるＡｎｄｒｏｉｄアプリの様々な組み合わせによって、０～７０％のレンジ内のランダムなＳｏＣに放電させられる。デバイスは、次いで、６～１０アワーの間充電され、その時間の間、緩和電圧は、システム・ファイル／ｓｙｓ／ｃｌａｓｓ／ｐｏｗｅｒ＿ｓｕｐｐｌｙ／ｂａｔｔｅｒｙ／ｖｏｌｔａｇｅ＿ｎｏｗをサンプリングすることにより収集される。追加的なバッテリが、６５～９７％のＳｏＨレンジをカバーする、それらのバッテリのそれぞれのフィンガープリント・マップを訓練するために、各々のデバイス・モジュールに対して使用される。休止を基にした降下させられる電圧が、フィンガープリントとして使用されることが、満充電される電圧の特定の値へのそのフィンガープリントの依存性を除去するために行われる。ＧａｌａｘｙＳ５、ＧａｌａｘｙＳ４、及びＧａｌａｘｙＮｏｔｅ２のバッテリＳｏＨのグラウンド・トルース（ｇｒｏｕｎｄｔｒｕｔｈ）が、バッテリを電話機から除去し、バッテリ・テスタによって、それらのバッテリのそれぞれのフィンガープリント・マップを訓練する事例と同じプロファイルによって、それらのバッテリを満充電する／放電させることにより収集される。バッテリがリムーバブルでない、Ｎｅｘｕｓ６Ｐ及びＮｅｘｕｓ５ＸのＳｏＨグラウンド・トルースは、／ｓｙｓ／ｃｌａｓｓ／ｐｏｗｅｒ＿ｓｕｐｐｌｙ／ｂａｔｔｅｒｙ／ｃｕｒｒｅｎｔ＿ｎｏｗに配置される、放電の間のそれらのバッテリの電流ログに基づいて、クーロン・カウンティングによって収集される。かくして推定されたグラウンド・トルースは、電流検知の制限に起因して、完璧に正確でないことがあるが、これが、非ＯＥＭ研究者として得ることができる最良の推定値である。

図２１Ａは、２０１６年９月２２日から２０１６年１２月４日までのＧａｌａｘｙＳ５による推定されたバッテリＳｏＨを、２０１６年９月１９日、２０１６年１１月１９日、及び２０１６年１１月２８日に測定された３つのグラウンド・トルースＳｏＨとともに要約するものであり、ＳｏＨ推定において約４の誤差を示す。さらには、上記で説述されたように、ユーザは、そのユーザらのデバイスを、異なる充電器によって充電することがある。そのような事例をカバーするために、本発明者らは、電話機を、評価の間に、異なる充電器、すなわち、１ＡＵＳＢ（２０１６年９月２２日～２０１６年１１月１１日）、２ＡＵＳＢ（２０１６年１１月１１日～２０１６年１１月１７日）、及び、その電話機の関連付けられるＤＣ充電器（２０１６年１１月１８日～２０１６年１２月４日）によって充電した。ＳｏＨ推定精度及び充電器選択への明確な依存性は認められず、そのことは、異種の充電器に照らしての、Ｖ－健全性推定方法のロバスト性を実証する。最終的に、１次平滑化器が、生の推定値と比較して、ユーザに報告されるＳｏＨの分散、及びかくして揺動を低減する。

ＧａｌａｘｙＳ４及びＮｏｔｅ２電話機による評価結果が、図２１Ｂ及び２１Ｃにおいてプロットされ、２～３．５％の推定誤差を示す。Ｎｏｔｅ２に対するバッテリＳｏＨは、２１日実験の間に約１．５％だけ悪化し、そのことは、他のものより急速であるということに注目されたい。１つの有力な解説は、電話機が、これらの実験の前に約６か月の間保管されており、かくして、バッテリに、その平衡に達する前に数回サイクリングされることを求め、そのことの間に、そのバッテリの性能が、はるかに高速に変化するということである。

図２１Ｄ及び２１Ｅは、Ｎｅｘｕｓ６Ｐ及びＮｅｘｕｓ５Ｘによる評価結果をプロットし、ＳｏＨ推定において約５％の誤差を示す。この相対的に大きい誤差は、部分的には、不正確な、ＰＭＩＣによって提供される電流情報の他に、バッテリのレート容量効果（バッテリは、より少ない電流によって放電させられるとき、より多い容量をかなえる）に起因することがある。２つの電話機は、それらのＳｏＨグラウンド・トルースを収集するとき、フィンガープリント・マップを訓練することにおいて使用される０．５Ｃ放電レート（すなわち、Ｎｅｘｕｓ６Ｐに対する１，７２５ｍＡ、及び、Ｎｅｘｕｓ５Ｘに対する１，３５０ｍＡ）よりはるかに少ない、約３００ｍＡの平均放電電流を有し、かくして、そのことは、バッテリの満充電容量、及び、それらのバッテリのＳｏＨの過大推定につながる。１次平滑化器は、少なくとも３つのサンプルを必要とし、図２１Ｄにおいての平滑化されるＳｏＨにおいて初期揺動を引き起こすということに注目されたい。

電話機のバッテリＳｏＨが、さらには、表５において要約されるように、収集される緩和電圧の同じセットに基づいて、Ｖ－降下によって推定された。５分緩和による要される電圧降下は、トリクル充電に起因して利用可能でないことがあり、その事例において、本発明者らは、冪フィッティングを使用して、そのような５分緩和電圧を予測し、次いで、それを使用して、ＳｏＨを推定するということに注目されたい。Ｖ－降下により推定されるＳｏＨは、Ｖ－健全性推定方法よりはるかに大きい誤差を有し、多くの事例において、１００％を上回る、又は、０％より下方であることさえあり、そのことは、電話機に関してのそのＳｏＨの非信頼性を指示する。

図２６は、電話機などのモバイル・デバイス内のバッテリ・サービスをかなえるためのシステムを例解する。モバイル・デバイスは、再充電可能バッテリ２６１と、測定回路２６２と、１つ又は複数のコントローラ２６３とを含む。測定回路２６２は、バッテリ２６１、及び／又は、バッテリを備えるセルの電圧を測定するように構成される。例示的な実施例において、コントローラ２６３は、マイクロコントローラとして実現される。コントローラの制御のための論理は、ハードウェア論理、ソフトウェア論理、又は、ハードウェア及びソフトウェア論理の組み合わせの形で実現され得るということが理解されるべきである。この顧慮において、コントローラは、上記で説明した方法を実現するソフトウェアによってプログラムされる、デジタル信号プロセッサ（ＤＳＰ：ｄｉｇｉｔａｌｓｉｇｎａｌｐｒｏｃｅｓｓｏｒ）、マイクロプロセッサ、マイクロコントローラ、若しくは、他のプログラマブル・デバイスの任意のものであり得るものであり、又は、その任意のものを含むことができる。代替的に、コントローラは、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ：ＦｉｅｌｄＰｒｏｇｒａｍｍａｂｌｅＧａｔｅＡｒｒａｙ）、複合プログラマブル論理デバイス（ＣＰＬＤ：ｃｏｍｐｌｅｘｐｒｏｇｒａｍｍａｂｌｅｌｏｇｉｃｄｅｖｉｃｅ）、若しくは特定用途向け集積回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎｓｐｅｃｉｆｉｃｉｎｔｅｇｒａｔｅｄｃｉｒｃｕｉｔ）などの、他の論理デバイスである、又は、それらの論理デバイスを含むということが理解されるべきである。コントローラが、機能を遂行する、又は、機能を遂行するように構成されるということが説述されるとき、コントローラは、適切な論理（ソフトウェア、論理デバイス、又は、それらの組み合わせの形でなど）によってそのように行うように構成されるということが理解されるべきである。システムの、関連性のある構成要素のみが、図２６との関係で論考されるということ、ただし、他の構成要素が、モバイル・デバイスの総体的な動作を制御及び管理するために必要とされるということが、さらには理解される。

健全性推定器が、コントローラ２６３により実現される。健全性推定器２６４は、バッテリに対する電圧測定値を受信し、上記で説明した様式で、バッテリの劣化状態（ＳｏｆＨ）を推定するように構成される。同じタイプのバッテリに対するフィンガープリントのセットが、導出され、モバイル・デバイスのメモリ・デバイス２６５内に記憶される。バッテリに対するＳｏｆＨ推定量が、健全性推定器２６４により出力され、モバイル・デバイスによりサポートされる他のバッテリ・サービス２６７に対して利用可能にされる。１つの実例において、ＳｏｆＨは、バッテリの残存使用時間を確定するために使用される。例解すると、Ｎｅｘｕｓ５Ｘ電話機が、２７７０ｍＡｈの満充電される使用可能容量を有するバッテリを装備させられる。使用可能容量は、ＳｏｆＨを使用して調整され得る。８０％のＳｏｆＨに対して、満充電される使用可能容量は２２１６ｍＡｈ（すなわち、２７７０＊８０％）であり、しかるに、６０％のＳｏｆＨに対して、満充電される使用可能容量は１６６２ｍＡｈ（すなわち、２７７０＊６０％）である。１アンペアの放電レートを想定すると、バッテリの調整される容量は、残存使用時間に変換され得る。８０％ＳｏｆＨを伴う満充電されるバッテリに対して、残存使用時間は２．２アワーである。残存使用時間は、さらには、バッテリが満に満たない様態で充電される場合に計算され得る。８０％ＳｏｆＨ及び５０％充電状態を伴うバッテリに対して、残存使用時間は１．１アワーである（すなわち、２２１６ｍＡｈ＊５０％／１０００ｍＡ＝１．１アワー）。バッテリに対する残存使用時間は、次いで、モバイル・デバイスのディスプレイ上に表示され得る。

別の実例において、モバイル・デバイス上で実行されている機能は、バッテリのＳｏｆＨに基づいて修正され得る。バッテリのＳｏｆＨが、あらかじめ規定されたしきい値より下方に降下すると、モバイル・デバイス上で走る選択バックグラウンド・プロセスが、ディセーブルされる、及び／又は、終結させられることがある。ＳｏｆＨは、さらには、残存使用時間をより正確に計算するために使用され得る。同様に、バッテリの残存使用時間が、あらかじめ規定されたしきい値より下方に降下すると、モバイル・デバイス上で走る選択バックグラウンド・プロセスが、ディセーブルされる、及び／又は、終結させられることがある。バッテリのＳｏｆＨを利用することができる他のバッテリ・サービスの他の実例を、下記で説明する。

Ｖ－健全性推定方法は、さらには、異なる観点からユーザ・エクスペリエンスを改善する、４つの新規の使用事例を可能にする。バッテリ寿命時間の解釈に関する質問「私の電話のバッテリはあとどれくらいもつのか？」に答えることの他に、Ｖ－健全性推定方法は、さらには、ＳｏＨによって補償されるＳｏＣ推定、及びかくして、電話機の残存電力供給量に関する正確な推定を手助けすることにより、残存デバイス稼働時間においてのこの質問に対処する。図２２Ａは、ＢａｔｔｅｒｙＤｒａｉｎｅｒを伴う満充電されるＸｐｅｒｉａＺ電話機を、シャット・オフするまで作動させるときの電圧及び電流をプロットするものであり、総計で２，１１７ｍＡｈ容量をかなえ、かくして、２，１１７／２，３３０＝９０．９％のＳｏＨを指示する。図２２Ｂは、同じ放電プロセスの間、ユーザに示されるバッテリＳｏＣをプロットするものであり、電話機は、約１０％の残存ＳｏＣを伴ってシャット・オフする。さらには、図２２Ｂにおいてプロットされるのは、例えばＶ－健全性推定方法による、捕捉されるＳｏＨ悪化によって補償されるバッテリＳｏＣであり、そのことは、ユーザに、より正確なＳｏＣ推定値を提供し、かくして、電話機を予想外の形でシャット・オフすることを軽減する。図２２Ｃは、かくして推定される残存稼働時間を、ＴＩのＩｍｐｅｄａｎｃｅＴｒａｃｋにおいて使用される同じ手法に基づいてプロットするものであり、電話機は、バッテリ悪化に起因して、その電話機があと２０分長く稼働することができると思考するときにシャット・オフし、そのことは、Ｖ－健全性推定方法により可能にされる、ＳｏＨによって補償されるＳｏＣ推定によって、高い信頼性で減軽され得る。Ｖ－健全性推定方法により可能にされる、バッテリＳｏＨ監視は、さらには、バッテリの異常な挙動を検出することを可能とする。このことは、バッテリとデバイスとの間の接触不良の接続、Ｌｕｍｉａ９２０、ｉＰｈｏｎｅ（登録商標）５、及びＮｏｔｅ４などのデバイス上で発見される問題点を検出することの実例によって示される。そのような接触不良の接続は、接続抵抗、及びかくしてデバイス発熱を増大し、時を違えずに検出されないならば、熱的暴走、及びそれどころかバッテリ爆発の危険性を顕著にする（ｐｒｏｎｏｕｎｃｅ）。増大される接続抵抗は、バッテリの使用可能容量を低減し、Ｖ－健全性推定方法において、このことは、普通でないＳｏＨ降下として認められ、かくして、検出可能である。

ＧａｌａｘｙＳ５バッテリを１０サイクルの間、充電し／休止させ／放電させて、このことについて妥当性を確認するものであり、バッテリは、最初の５サイクルにおいてテスタに堅固に接続され、最後の５サイクルにおいて、１００ｍΩ２抵抗器が、バッテリとテスタとの間に、それらの接触不良の接続をエミュレートするために挿入される。図２３は、これらの１０サイクルの間の、Ｖ－健全性推定方法により報告されるバッテリＳｏＨをプロットする。明確なＳｏＨ降下が、堅固な接続セッティングから接触不良の接続セッティングに切り替えるときに認められ、そのことが、Ｖ－健全性推定方法の、そのＳｏＨ降下の検出可能性について妥当性を確認する。普通でないＳｏｆＨ降下を検出することを基に、オペレータに通知すること、バッテリを接続解除すること、及び／又は、デバイスをディセーブルすることを含む、ただしそれらに制限されない、保護的対策が、モバイル・デバイスによりとられ得る。

Ｖ－健全性推定方法により可能にされる別の使用事例は、本発明者らの実験室内で使用される８２個のＬｉイオン・バッテリに基づく、図２４において例解されるような、同じモデル・デバイスのバッテリの間のユーザ横断比較である。そのような比較は、ユーザが、そのユーザらのバッテリの強度を、他のものの間で位置を突き止めることを可能とするのみでなく、さらには、デバイスの日常の使用を監視するエネルギー診断サービス、例えばＣａｒａｔと結合されるときに、バッテリに優しい／害になる使用パターンの特性評価を手助けする。

バッテリの内部抵抗は、それらのバッテリが古びるにつれて増大し、それらのバッテリの使用可能容量を低減し、デバイス発熱を顕著にする。バッテリ抵抗は、従前から、電流が２つの安定したレベルの間で切り替わるときの電圧変化に基づいて推定され、すなわち、ｒ＝ｄＶ／ｄＩである。安定した電流に関する要件は、電圧応答への動的電流の影響度を消失させることであり、そのことは、しかしながら、大部分の事例においてモバイル・デバイスに関して当てはまらない。Ｖ－健全性推定方法は、緩和電圧を収集することにより、（緩和の前の電流は、（すなわち、ＣＶ－Ｃｈｇの間は）徐々に変化し、小さく、電流は、緩和に入る後はバッテリに付与されない）副産物としてのバッテリ抵抗の推定を可能とする。図２５は、図４において収集される緩和電圧による、１ｓ緩和の後のｄＶ／ｄＩに基づくＧａｌａｘｙＳ３バッテリの推定される抵抗をプロットする。バッテリ抵抗は、測定の間に５８ｍΩ２から６３ｍΩ２に増大し、これらの測定の後の、ＢＶＩＲバッテリ抵抗テスタによって測定される６８ｍΩ２グラウンド・トルースとつじつまが合う。この抵抗情報は、ユーザ／ＯＥＭが、そのデバイス・バッテリを別の角度から診断する一助となる。

本開示において、低コスト・ユーザ・レベル・バッテリＳｏＨ推定サービスが、モバイル・デバイスに対して、もっぱらそれらのモバイル・デバイスの電圧に基づいて提示され、かくして、すべての汎用品モバイル・デバイス上で展開可能である。Ｖ－健全性推定方法は、緩和バッテリ電圧がそのバッテリのＳｏＨのフィンガープリントを採取するという、本発明者らの経験的発見によりもたらされるものであり、総計で７，４６２充電／休止／放電サイクルからなり、累積的に４４か月にわたって続く、４５のバッテリ測定により導かれる。４つの新規の使用事例、すなわち、ＳｏＣ推定においてのモバイル・ユーザのエクスペリエンスを改善すること、異常な挙動検出、ユーザ横断比較、及び抵抗監視が、さらには、Ｖ－健全性推定方法により可能にされる。

上記の論考から明らかなように、具体的に他の形で説述されない限り、本説明の全体を通して、「処理する」又は「計算する」又は「算出する」又は「確定する」又は「表示する」又は同類のものなどの用語を利用する論考は、コンピュータ・システム・メモリ若しくはレジスタ、又は、他のそのような情報記憶、伝送、若しくは表示デバイスの中の物理的（電子）数量として表されるデータを操作及び転換する、コンピュータ・システム、又は、同様の電子コンピューティング・デバイスの、作用及びプロセスに言及するということが察知される。

説明した技法の所定の態様は、アルゴリズムの形式で本明細書において説明したプロセス・ステップ及び命令を含む。説明したプロセス・ステップ及び命令は、ソフトウェア、ファームウェア、又はハードウェアの形で実施され得るものであり、ソフトウェアの形で実施されるとき、リアル・タイム・ネットワーク・オペレーティング・システムにより使用される異なるプラットフォーム上に常在するためにダウンロードされ、それらのプラットフォームから動作させられ得るということが注目されるべきである。

本開示は、さらには、本明細書においての動作を遂行するための装置に関係する。この装置は、要される目的のために特別に構築され得るものであり、又は、その装置は、多目的コンピュータであって、そのコンピュータによりアクセスされ得るコンピュータ可読媒体上に記憶されるコンピュータ・プログラムにより選択的に活動化若しくは再構成される、多目的コンピュータを含み得る。そのようなコンピュータ・プログラムは、フロッピー・ディスク、光学ディスク、ＣＤ－ＲＯＭ、磁気光学ディスクを含む任意のタイプのディスク、読み出し専用メモリ（ＲＯＭ：ｒｅａｄ－ｏｎｌｙｍｅｍｏｒｙ）、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍａｃｃｅｓｓｍｅｍｏｒｙ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気若しくは光学カード、特定用途向け集積回路（ＡＳＩＣ）、又は、電子命令を記憶するのに適した任意のタイプの媒体などの、ただし、それらの列挙したものに制限されない、有形コンピュータ可読記憶媒体内に記憶され得るものであり、それらの列挙したものの各々は、コンピュータ・システム・バスに結合される。さらにまた、本明細書において言及されるコンピュータは、単一のプロセッサを含み得るものであり、又は、増大されるコンピューティング能力のために複数個のプロセッサ設計を用いるアーキテクチャであり得る。

本明細書において提示されるアルゴリズム及び動作は、本質的に、任意の個別のコンピュータ又は他の装置に関係付けられるものではない。様々な多目的システムが、さらには、本明細書においての教示によるプログラムとともに使用され得るものであり、又は、要される方法ステップを遂行するために、より特殊化された装置を構築することが、好都合であると判明することがある。種々のこれらのシステムに対する要される構造が、均等な変形物とともに、当業者には明らかであろう。加えて、本開示は、任意の個別のプログラミング言語を参照して説明されていない。種々のプログラミング言語が、本明細書において説明したような本開示の教示を実現するために使用され得るということが察知される。

実施例の上述の説明は、例解及び説明の目的のために提供されている。その説明は、網羅的であること、又は、本開示を制限することは意図されない。個別の実施例の個々の要素又は特徴は、一般的には、その個別の実施例に制限されるのではなく、適用可能な場合、具体的に示されない、又は説明されないとしても、交替可能であり、選択された実施例において使用され得る。同じことが、さらには、多くの手立てで変形され得る。そのような変形物は、本開示からの逸脱と考えられるべきではなく、すべてのそのような修正は、本開示の範囲の中に含まれることが意図される。

Claims

装置に給電する再充電可能バッテリの劣化状態（ＳｏｆＨ）を推定するための方法であって、
フィンガープリントのセットを、所与のタイプのバッテリに対して用意するステップであって、各々のフィンガープリントは、前記バッテリに対する定量化されたＳｏｆＨを、前記バッテリの緩和電圧に対する所与のあらかじめ確定されたモデルにリンクし、前記所与のあらかじめ確定されたモデルは、前記バッテリが休止している間の時間の固定された期間にわたる２つ以上の点においての前記バッテリの緩和電圧を記述する、用意するステップと、
前記装置内の回路により、前記所与のタイプの所与のバッテリの電圧を、前記所与のバッテリが前記装置に給電するように構成される間の時間の前記固定された期間にわたって測定して電圧測定値を得るステップと、
前記装置内のプロセッサにより、前記所与のバッテリに対する現在のモデルを、前記電圧測定値から、冪関数を使用して構築するステップと、
前記現在のモデルをフィンガープリントの前記セットと比較することにより、前記所与のバッテリに対するＳｏｆＨを確定するステップと
を含む、方法。
前記所与のバッテリを、前記所与のバッテリが満充電されるまで充電し、前記所与のバッテリの両端間の電圧を、前記所与のバッテリが満充電された後に測定するステップをさらに含む、請求項１に記載の方法。
前記現在のモデルを、回帰分析を使用して構築するステップをさらに含む、請求項１に記載の方法。
前記現在のモデルを構築するステップは、
前記冪関数を使用して前記電圧測定値をフィルタリング除去するステップと、
フィルタリングされた電圧測定値を移動平均によって平滑化し、以て、前記所与のバッテリに対する前記現在のモデルを産出するステップと
をさらに含む、請求項１に記載の方法。
前記冪関数は、
ｖ（ｔ）＝ａ＊ｔ^ｂ＋ｃ
としてさらに定義され、ただし、ａ、ｂ、ｃは、前記冪関数の係数であり、前記ｔは、休止の開始からの時間である、請求項４に記載の方法。
前記電圧測定値の次元数を、主成分分析を適用することにより低減するステップをさらに含む、請求項４に記載の方法。
前記現在のモデルを、回帰木を使用して、フィンガープリントの前記セットと比較するステップをさらに含む、請求項１に記載の方法。
前記バッテリが休止しているときの時間の期間を識別し、当該識別された時間の期間における電圧測定値を取得し、前記現在のモデルを、前記取得された電圧測定値から構築するステップをさらに含む、請求項１に記載の方法。
前記所与のバッテリの使用可能容量を、前記所与のバッテリの前記確定されたＳｏｆＨを使用して調整し、前記所与のバッテリの前記調整された容量を、前記所与のバッテリに対する残存使用時間に変換し、前記所与のバッテリの前記残存使用時間を、前記装置のディスプレイ上に表示するステップをさらに含む、請求項１に記載の方法。
モバイル・デバイス内の再充電可能バッテリの劣化状態（ＳｏｆＨ）を推定するための方法であって、
フィンガープリントのセットを、所与のタイプのバッテリに対して、前記モバイル・デバイスのメモリ内に記憶するステップであって、各々のフィンガープリントは、前記バッテリに対する定量化されたＳｏｆＨを、前記バッテリの緩和電圧に対する所与のあらかじめ確定されたモデルにリンクし、前記所与のあらかじめ確定されたモデルは、前記バッテリが休止している間の時間の固定された期間にわたる２つ以上の点においての前記バッテリの緩和電圧を記述する、記憶するステップと、
前記所与のタイプの所与のバッテリの電圧を、前記モバイル・デバイス内の測定回路を使用して測定し、以て、前記所与のバッテリが休止している間の時間の前記固定された期間にわたって作製される、電圧測定値のセットを産出するステップと、
前記モバイル内のプロセッサにより、前記所与のバッテリに対する現在のモデルを、電圧測定値の前記セットから、冪関数を使用して構築するステップと、
前記プロセッサにより、前記現在のモデルをフィンガープリントの前記セットと比較することにより、前記所与のバッテリに対するＳｏｆＨを確定するステップと、
前記プロセッサにより、前記モバイル・デバイス上で実行されている機能を、前記所与のバッテリの前記ＳｏｆＨに基づいて修正するステップと
を含む、方法。
前記所与のバッテリを、前記所与のバッテリが満充電されるまで充電し、前記所与のバッテリの両端間の電圧を、前記所与のバッテリが満充電された後に測定するステップをさらに含む、請求項１０に記載の方法。
前記現在のモデルを、回帰分析を使用して構築するステップをさらに含む、請求項１０に記載の方法。
前記現在のモデルを構築するステップは、
電圧測定値の前記セットを前記冪関数にフィットさせるステップと、
前記冪関数を使用して電圧測定値の前記セットから測定値をフィルタリング除去するステップと、
電圧測定値の前記セット内のフィルタリングされた測定値を移動平均によって平滑化し、以て、前記所与のバッテリに対する前記現在のモデルを産出するステップと
をさらに含む、請求項１０に記載の方法。
前記冪関数は、
ｖ（ｔ）＝ａ^＊ｔ^ｂ＋ｃ
としてさらに定義され、ただし、ｔは、ａ、ｂ、ｃは、前記冪関数の係数であり、休止の開始からの時間である、請求項１３に記載の方法。
電圧測定値の前記セット内の前記フィルタリングされた測定値の次元数を、主成分分析を適用することにより低減するステップをさらに含む、請求項１３に記載の方法。
前記現在のモデルを、回帰木を使用して、フィンガープリントの前記セットと比較するステップをさらに含む、請求項１０に記載の方法。
前記バッテリが休止しているときの時間の期間を識別し、当該識別された時間の期間における電圧測定値を取得し、前記現在のモデルを、前記取得された電圧測定値から構築するステップをさらに含む、請求項１０に記載の方法。
前記所与のバッテリの使用可能容量を、前記所与のバッテリの前記確定されたＳｏｆＨを使用して調整し、前記所与のバッテリの前記調整された容量を、前記所与のバッテリに対する残存使用時間に変換し、前記所与のバッテリの前記残存使用時間を、装置のディスプレイ上に表示するステップをさらに含む、請求項１０に記載の方法。