專利名稱：用于估計電池的長期特性的系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于估計電池的長期特性的系統(tǒng)和方法，更具體而言涉及基于電池的 初始特性用于估計電池的長期特性的系統(tǒng)和方法。
背景技術(shù)：
隨著電池被不斷使用，電池出現(xiàn)容量縮小和性能降低。因此，非常重要的是設(shè)計一 種雖已使用較長時間但仍可保持其長期特性的電池。該長期特性例如可以是，電池的充電 容量、放電容量、厚度以及開路電壓等。電池的長期特性是基于一循環(huán)充電/放電過程而被測量的。在循環(huán)充電/放電過 程中，從所制造的一批電池中取樣特定數(shù)量的電池，然后將所取樣的電池連續(xù)充電/放電。 如果所取樣電池的長期特性在預(yù)定的長期循環(huán)下滿足特定標準，則該相應(yīng)的電池批次被認 為是合格的。例如，當在第300個循環(huán)(第300次充電/放電)時、3V下的放電容量是初始 容量的75%或更高時，該相應(yīng)的電池批次被認為是合格的。然而，估計電池的長期特性會消耗較長時間。例如，300個循環(huán)的充電/放電過程 花去約3個月的時間。這樣，為了基于循環(huán)充電/放電過程測量電池的長期特性，在充電/ 放電過程的時間內(nèi)，電池的發(fā)貨被延遲，由此增加了貯存負擔。從而，在傳統(tǒng)情況下，如果制造了一批電池，就取樣出特定數(shù)量的電池，隨即將該 批電池發(fā)貨，然后對所取樣電池的長期特性進行估計便于以后采取合適的措施，這種方法 被稱為“后-發(fā)貨估計”。如果在電池發(fā)貨之后，通過長期特性的估計，發(fā)現(xiàn)任何問題的話， 與所取樣電池對應(yīng)的那批電池將被確定為具有不良的長期特性。其后，將已發(fā)貨的電池召 回，并研究用于消除這種長期特性缺陷的因素的對策，然后將該對策應(yīng)用于電池制造過程。 然而，這種后發(fā)貨估計方法存在以下問題。首先，在某一特定電池批次被確定為不合格的情況下，收回該相應(yīng)批次的電池會 消耗一定經(jīng)濟成本(例如，分銷成本)。其次，在具有不良長期特性的電池已被銷售給最終用戶的情況下，則幾乎不可能 對電池采取措施，例如不可能將電池召回。再次，通過內(nèi)部長期特性分析確定在制造過程中存在缺陷的情況下，使用該相同 制造過程所制造的所有電池的長期特性都變得可疑，從而同樣擴大了制造商的損失。第四，如果具有不良長期特性的電池被賣出并用于電子產(chǎn)品中，則電池的滿意度 會降低，從而也會降低電池制造商和零售商的信譽度。因此，非常需要一種能夠在電池發(fā)貨之前可靠地估計相關(guān)領(lǐng)域中的電池的長期特 性的方案。公開文本技術(shù)問題本發(fā)明被設(shè)計用于解決現(xiàn)有技術(shù)的問題，因此本發(fā)明的目的在于提供用于估計電 池的長期特性的系統(tǒng)和方法，該系統(tǒng)和方法能夠通過基于電池的初始特性來估計電池的長期特性從而快速確定缺陷，并且還能夠通過使用所有電池所測量的特性一例如，在激活 過程時的充電數(shù)據(jù)一來進行電池的全數(shù)檢查。技術(shù)方案
為了完成上述目的，本發(fā)明提供了用于估計電池的長期特性的系統(tǒng)，其包括學(xué)習(xí) 數(shù)據(jù)輸入單元，其用于接收要作為學(xué)習(xí)對象的電池的初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù) 據(jù)；測量數(shù)據(jù)輸入單元，其用于接收要作為估計長期特性的對象的電池的初始特性測量數(shù) 據(jù)；以及人工神經(jīng)網(wǎng)絡(luò)操作單元，其用于從所述學(xué)習(xí)數(shù)據(jù)輸入單元接收所述初始特性學(xué)習(xí) 數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)以允許人工神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)，從所述測量數(shù)據(jù)輸入單元接收初 始特性測量數(shù)據(jù)并將已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用至其上，并因此而根據(jù)電池的所述初始 特性測量數(shù)據(jù)計算長期特性估計數(shù)據(jù)，并輸出所述長期特性估計數(shù)據(jù)。優(yōu)選地，所述的已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)具有串聯(lián)布置的至少一個神經(jīng)元層。該 神經(jīng)元層將輸入矢量轉(zhuǎn)換為輸出矢量。此時，通過人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)計算的偏移矢量和 權(quán)矩陣被反映在輸入矢量上，偏移矢量和權(quán)矩陣被反映在其上的輸入矢量通過神經(jīng)元傳遞 函數(shù)處理，接著，所述神經(jīng)元傳遞函數(shù)的結(jié)果被作為輸出矢量輸出。在神經(jīng)元層的串聯(lián)布置 中，第一神經(jīng)元層具有由初始特性測量數(shù)據(jù)組成的輸入矢量。最后的神經(jīng)元層的輸出矢量 是長期特性估計矢量。優(yōu)選地，關(guān)聯(lián)于初始特性的數(shù)據(jù)包括在電池激活過程中測量的電池的充電特性變 化數(shù)據(jù)；或通過測量初始循環(huán)特性而獲取的電池的充電特性變化數(shù)據(jù)、放電特性變化數(shù)據(jù)、 厚度變化數(shù)據(jù)，或者開路電壓變化數(shù)據(jù)。而且，關(guān)聯(lián)于長期特性的數(shù)據(jù)包括預(yù)定的長期循 環(huán)上的電池的充電特性變化數(shù)據(jù)、放電特性變化數(shù)據(jù)、厚度變化數(shù)據(jù)，或者開路電壓變化數(shù) 據(jù)。根據(jù)本發(fā)明的系統(tǒng)還包括初始特性測量傳感器，其用于測量置于激活過程的電池 的充電特性，并接著將所測量的充電特性輸出作為初始特性測量數(shù)據(jù)，以及測量數(shù)據(jù)輸入 單元可從初始特性測量傳感器接收初始特性測量數(shù)據(jù)。根據(jù)本發(fā)明的系統(tǒng)還包括顯示器，該顯示器用于從人工神經(jīng)網(wǎng)絡(luò)操作單元接收長 期特性估計數(shù)據(jù)，以通過顯示裝置在圖形-用戶界面上顯示長期特性估計數(shù)據(jù)；或包括長 期特性估計單元，其用于從人工神經(jīng)網(wǎng)絡(luò)操作單元接收長期特性估計數(shù)據(jù)，并通過將所接 收的長期特性估計數(shù)據(jù)與標準的長期特性數(shù)據(jù)相比較，來確定長期特性質(zhì)量。此處，長期特性估計單元可以將電池的長期特性質(zhì)量的確定結(jié)果通過顯示裝置輸 出至圖形-用戶界面上。根據(jù)本發(fā)明的另一方面，還提供了一種用于估計電池的長期特性的系統(tǒng)，其包括 學(xué)習(xí)數(shù)據(jù)輸入單元，其用于接收要作為學(xué)習(xí)對象的電池的初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué) 習(xí)數(shù)據(jù)；測量數(shù)據(jù)輸入單元，其用于接收要作為估計長期特性的對象的電池的初始特性測 量數(shù)據(jù)；以及；人工神經(jīng)網(wǎng)絡(luò)操作單元，其用于將所述初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí) 數(shù)據(jù)轉(zhuǎn)換到第一數(shù)據(jù)結(jié)構(gòu)和第二數(shù)據(jù)結(jié)構(gòu)中，允許人工神經(jīng)網(wǎng)絡(luò)基于每個數(shù)據(jù)結(jié)構(gòu)學(xué)習(xí)所 述初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)、將所輸入的初始特性測量數(shù)據(jù)轉(zhuǎn)換到第一數(shù)據(jù) 結(jié)構(gòu)和第二數(shù)據(jù)結(jié)構(gòu)中，并獨立地應(yīng)用相應(yīng)于每一數(shù)據(jù)結(jié)構(gòu)的已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)來 計算并輸出基于每一數(shù)據(jù)結(jié)構(gòu)的長期特性估計數(shù)據(jù)；以及長期特性估計單元，其用于計算 每一數(shù)據(jù)結(jié)構(gòu)的輸出的長期特性估計數(shù)據(jù)的誤差，并根據(jù)該誤差確定長期特性估計數(shù)據(jù)的可靠性。為了實現(xiàn)上述目的，本發(fā)明還提供了一種用于估計電池的長期特性的方法，該方法包括接收要作為學(xué)習(xí)對象的電池的初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)；對所接收 到初始特性學(xué)習(xí)數(shù)據(jù)和所接收到的長期特性學(xué)習(xí)數(shù)據(jù)執(zhí)行人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)；接收要作為 估計長期特性的對象的電池的初始特性測量數(shù)據(jù)；以及通過將已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)應(yīng) 用至所述初始特性測量數(shù)據(jù)上，根據(jù)電池的初始特性測量數(shù)據(jù)計算長期特性估計數(shù)據(jù)，然 后將該長期特性估計數(shù)據(jù)輸出。在本發(fā)明的另一方面中，也提供了用于估計電池的長期特性的方法，包括接收要 作為學(xué)習(xí)對象的電池的初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)；將所接收的初始特性學(xué)習(xí) 數(shù)據(jù)和所接收的長期特性學(xué)習(xí)數(shù)據(jù)轉(zhuǎn)換到第一和第二數(shù)據(jù)結(jié)構(gòu)中，并接著獨立地允許人工 神經(jīng)網(wǎng)絡(luò)基于每一數(shù)據(jù)結(jié)構(gòu)而學(xué)習(xí)；接收要作為估計長期特性的對象的電池的初始特性測 量數(shù)據(jù)；將所接收的初始特性測量數(shù)據(jù)轉(zhuǎn)換到第一和第二數(shù)據(jù)結(jié)構(gòu)中，接著將對應(yīng)于每一 數(shù)據(jù)結(jié)構(gòu)的已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用至其上，并接著基于每一數(shù)據(jù)結(jié)構(gòu)計算和輸出長 期特性估計數(shù)據(jù)；以及基于每一數(shù)據(jù)結(jié)構(gòu)計算所輸出的長期特性估計數(shù)據(jù)的誤差，并接著 依據(jù)該誤差確定長期特性估計數(shù)據(jù)的可靠性。


本發(fā)明的其它目的和方面將從下面參照附圖對實施方案的描述中變得顯而易見， 在所述附圖中圖1是示出根據(jù)本發(fā)明的第一實施方案的用于估計電池的長期特性的系統(tǒng)的框 圖；圖2是示出根據(jù)本發(fā)明的一個實施方案的、通過人工神經(jīng)網(wǎng)絡(luò)操作單元而具有學(xué) 習(xí)能力的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的框圖；圖3是示出了初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)被限定在第一數(shù)據(jù)結(jié)構(gòu)中 的情況下的示意圖；圖4是示出了初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)被限定在第二數(shù)據(jù)結(jié)構(gòu)中 的情況下的示意圖；圖5是示出根據(jù)本發(fā)明的第二實施方案的用于估計電池的長期特性的系統(tǒng)的框 圖；圖6是示出根據(jù)本發(fā)明的第一實施方案的用于估計電池的長期特性的系統(tǒng)的操 作順序的示意流程圖；圖7是示出根據(jù)本發(fā)明的第二實施方案用于估計電池的長期特性的系統(tǒng)的操作 順序的示意流程圖；圖8是一個示出了可用于執(zhí)行根據(jù)本發(fā)明的用于估計電池長期特性的系統(tǒng)的操 作方法的通用計算機的內(nèi)部配置的框圖。
具體實施例方式在下文中，將參照附圖詳細描述本發(fā)明的優(yōu)選實施方案。在描述之前，應(yīng)理解的 是，本說明書和所附權(quán)利要求中所使用的術(shù)語不應(yīng)被解釋為普通含義及字典含義，基于發(fā)明人被允許對術(shù)語的最佳解釋進行適當限定這一原則，本說明書和所附權(quán)利要求中所使用 的術(shù)語應(yīng)基于相應(yīng)于本發(fā)明的技術(shù)方面的含義和概念來進行解釋。因此，此處所提出的本 發(fā)明僅是用于示例目的的優(yōu)選實施例，不意在限制本發(fā)明的范圍，因此應(yīng)理解的是，在不偏 離本發(fā)明的主旨和范圍的情況下，可以對其進行其它等同變化或修改。圖1是示出根據(jù)本發(fā)明的第一實施方案的用于估計電池的長期特性的系統(tǒng)的框圖。參照圖1，根據(jù)本發(fā)明的用于估計電池的長期特性的系統(tǒng)由一通用計算機來實現(xiàn)， 所述系統(tǒng)包括一個學(xué)習(xí)數(shù)據(jù)輸入單元10，其用于接收要作為學(xué)習(xí)對象的電池的初始特性 學(xué)習(xí)數(shù)據(jù)Pt和長期特性學(xué)習(xí)數(shù)據(jù)Tt ；一個測量數(shù)據(jù)輸入單元20，其用于接收要作為估計長 期特性的對象的電池的初始特性測量數(shù)據(jù)Pm ；以及一個人工神經(jīng)網(wǎng)絡(luò)操作單元30，其用于 從學(xué)習(xí)數(shù)據(jù)輸入單元10中接收初始特性學(xué)習(xí)數(shù)據(jù)Pt和長期特性學(xué)習(xí)數(shù)據(jù)Tt以允許該人工 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)這兩種學(xué)習(xí)數(shù)據(jù)的相關(guān)性，以及用于接收來自于測量數(shù)據(jù)輸入單元20的初 始特性測量數(shù)據(jù)Pm并將已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用至其上，從而根據(jù)電池的初始特性測 量數(shù)據(jù)計算長期特性估計數(shù)據(jù) ；，并將該長期特性估計數(shù)據(jù)Te輸出。學(xué)習(xí)數(shù)據(jù)輸入單元10和測量數(shù)據(jù)輸入單元20是用于接收——人工神經(jīng)網(wǎng)絡(luò)進行 學(xué)習(xí)以及對長期特性估計數(shù)據(jù)進行計算所需的——各種數(shù)據(jù)的接口。所述學(xué)習(xí)數(shù)據(jù)輸入單元10提供一個具有如下標準化模板的用戶接口，該標準化 模板根據(jù)預(yù)定協(xié)議選定計算機上的一個媒介文檔(medium file)來記錄初始特性學(xué)習(xí)數(shù)據(jù) 和長期特性學(xué)習(xí)數(shù)據(jù)，或者允許用戶直接記錄初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)，這 樣所述學(xué)習(xí)數(shù)據(jù)輸入單元10就可接收初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)。另外，測量數(shù)據(jù)輸入單元20提供一具有如下標準化模板的用戶接口，該標準化模 板根據(jù)預(yù)定協(xié)議選定在計算機上的一個媒介文檔來記錄初始特性測量數(shù)據(jù)，或者允許用戶 直接記錄初始特性測量數(shù)據(jù)，這些類似于學(xué)習(xí)數(shù)據(jù)輸入單元10，由此測量數(shù)據(jù)輸入單元20 可接收初始特性測量數(shù)據(jù)。所述初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)是通過被選定為學(xué)習(xí)對象的多個電 池的循環(huán)充電/放電過程而獲得的。所述循環(huán)充電/放電過程意味著重復(fù)對一電池進行周 期性充電和放電直到某一循環(huán)的過程。一個循環(huán)意味著一次充電和一次放電。初始特性學(xué)習(xí)數(shù)據(jù)是在循環(huán)充電/放電過程的開始部分中所進行的循環(huán)處所獲 得的要作為學(xué)習(xí)對象的電池的特性數(shù)據(jù)。這里，在其中獲取初始特性學(xué)習(xí)數(shù)據(jù)的循環(huán)的數(shù) 目可根據(jù)所需改變。初始特性學(xué)習(xí)數(shù)據(jù)例如可以是在1-10個循環(huán)過程中所獲得的電池的 充電特性變化數(shù)據(jù)、放電特性變化數(shù)據(jù)、厚度變化數(shù)據(jù)或開路電壓變化數(shù)據(jù)。這里，充電特 性是電池的充電電流、充電電壓或充電容量，放電特性是電池的放電電流、放電電壓或放電 容量。然而，本發(fā)明不限于此。因此，應(yīng)理解的是，任何一個能夠限定電池的充電特性或放 電特性的參數(shù)都可被包括在限定了所述充電/放電特性的參數(shù)的范圍內(nèi)。初始特性學(xué)習(xí)數(shù)據(jù)是關(guān)于電池充電特性、電池放電特性、電池厚度或電池開路電 壓的數(shù)據(jù)，因此其被配置為至少兩種數(shù)據(jù)的集合。例如，如果初始特性學(xué)習(xí)數(shù)據(jù)是使用電池 的每個充電電壓或每個充電時間的充電容量變化數(shù)據(jù)——其通過1-10個循環(huán)的充電/放 電過程而獲得一而被配置的，初始特性學(xué)習(xí)數(shù)據(jù)就包括10組充電容量變化數(shù)據(jù)，每組充 電容量變化數(shù)據(jù)包括相應(yīng)于多個測量電壓和測量時間的多個充電容量值。這里，用于測量充電容量的測量電壓和測量時間被提前確定。長期特性學(xué)習(xí)數(shù)據(jù)是在循環(huán)充電/放電過程的較后部分中所進行的循環(huán)處所獲得的電池的充電特性變化數(shù)據(jù)、放電特性變化數(shù)據(jù)、厚度變化數(shù)據(jù)或開路電壓變化數(shù)據(jù)。這 里，充電特性是電池的充電電流、充電電壓或充電容量，放電特性是電池的放電電流、放電 電壓或放電容量。然而，本發(fā)明不限于此。從而，應(yīng)理解的是，任何一個能夠限定電池的充 電特性或放電特性的參數(shù)都可被包括在限定了所述充電/放電特性的參數(shù)的范圍內(nèi)。在較 后部分中所進行的循環(huán)數(shù)是根據(jù)電池的長期特性說明、或者客戶的要求而確定的，其例如 可以是300。然而，本發(fā)明對于在其中獲得長期特性學(xué)習(xí)數(shù)據(jù)的具體循環(huán)數(shù)不進行限制。長期特性學(xué)習(xí)數(shù)據(jù)是關(guān)于電池充電特性、電池放電特性、電池厚度或電池開路電 壓的數(shù)據(jù)，因此類似于初始特性學(xué)習(xí)數(shù)據(jù)，該長期特性學(xué)習(xí)數(shù)據(jù)也被配置為至少兩種數(shù)據(jù) 的集合。例如，如果長期特性學(xué)習(xí)數(shù)據(jù)是使用電池的每個充電電壓或每個充電時間的充電 容量變化數(shù)據(jù)——其通過第300個循環(huán)的充電/放電過程而獲得——而被配置的，長期特 性學(xué)習(xí)數(shù)據(jù)就包括在第300個循環(huán)的電池充電過程中所獲得的、相應(yīng)于多個充電電壓和充 電時間的多個充電容量值。這里，用于測量充電容量的充電電壓和充電時間被提前確定，它 們與獲得初始特性學(xué)習(xí)數(shù)據(jù)時的充電電壓或測量時間相同。同時，相關(guān)于電池的初始特性和長期特性的參數(shù)不限于本發(fā)明中的上述內(nèi)容，對 于本領(lǐng)域普通技術(shù)人員顯然的是，任何可識別為電池特性的特性都應(yīng)解釋為被包括在初始 特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)的范圍內(nèi)。所述初始特性測量數(shù)據(jù)是借助于循環(huán)充電/放電過程而從以下電池直接測得 的初始特性數(shù)據(jù)，所述電池為其長期特性將要被估計的電池，該初始特性數(shù)據(jù)的屬性 (attribute)和種類基本相同于初始特性學(xué)習(xí)數(shù)據(jù)的屬性和種類。也就是說，初始特性測 量數(shù)據(jù)是在循環(huán)充電/放電過程的開始部分中的循環(huán)處所獲得的電池的特性數(shù)據(jù)，例如在 1-10個循環(huán)內(nèi)所獲得的電池的充電特性變化數(shù)據(jù)、放電特性變化數(shù)據(jù)、厚度變化數(shù)據(jù)或開 路電壓變化數(shù)據(jù)。所述長期特性估計數(shù)據(jù)是由人工神經(jīng)網(wǎng)絡(luò)操作單元30所計算的數(shù)據(jù)，它不是通 過循環(huán)充電/放電過程實際測得的數(shù)據(jù)，而是由人工神經(jīng)網(wǎng)絡(luò)所估計的數(shù)據(jù)。長期特性估 計數(shù)據(jù)的屬性和種類基本相同于長期特性學(xué)習(xí)數(shù)據(jù)的屬性和種類。也就是說，長期特性估 計數(shù)據(jù)是，針對例如第300個循環(huán)所估計的電池的充電特性變化數(shù)據(jù)、放電特性變化數(shù)據(jù)、 厚度變化數(shù)據(jù)或開路電壓變化數(shù)據(jù)。圖2是示出根據(jù)本發(fā)明的一個實施方案的通過人工神經(jīng)網(wǎng)絡(luò)操作單元30而具有 學(xué)習(xí)能力的人工神經(jīng)網(wǎng)絡(luò)的框圖。參照圖2，通過人工神經(jīng)網(wǎng)絡(luò)操作單元30而具有學(xué)習(xí)能力的人工神經(jīng)網(wǎng)絡(luò)包括串 聯(lián)連接布置的神經(jīng)元層(層1，層2，層3)。在附圖中，布置了三個神經(jīng)元層，但是本發(fā)明對 神經(jīng)元層的數(shù)目不進行限制。為了方便，所述神經(jīng)元層(層1，層2，層3)將被分別稱為第 一神經(jīng)元層、第二神經(jīng)元層和第三神經(jīng)元層。人工神經(jīng)網(wǎng)絡(luò)操作單元30從測量數(shù)據(jù)輸入單元20接收初始特性測量數(shù)據(jù)Pm，并 將該數(shù)據(jù)轉(zhuǎn)換為初始特性測量矢量#，然后將該矢量輸入至第一神經(jīng)元層(層1)。這里， 初始特性測量矢量具有的維數(shù)是R行X1列。R是包括在初始特性測量數(shù)據(jù)內(nèi)的單元數(shù)據(jù) 的數(shù)目。例如，假設(shè)初始特性測量數(shù)據(jù)是在1-10個循環(huán)的充電/放電過程中以規(guī)則間隔所測量的電池的充電容量變化數(shù)據(jù)，在每個循環(huán)所獲得的充電容量數(shù)據(jù)的數(shù)目是20，則R 是“20X10 = 100”。在這種情況下，初始特性測量矢量盧,具有的維數(shù)是100行XI列，則
1-20行、21-40行、41-60行........181-200行分別代表第1個循環(huán)、第2個循環(huán)、第3個
循環(huán)........第10個循環(huán)的充電容量變化數(shù)據(jù)。在第一神經(jīng)元層(層1)中，初始特性測
量矢量盧與作為權(quán)矩陣W1中的一個元的權(quán)相乘，然后還對其增加一個作為偏差矢量廠1的 元的偏差值。此時的結(jié)果——即中間結(jié)果5 1——通過一神經(jīng)元傳遞函數(shù)f1被計算為相應(yīng) 層的結(jié)果矢量萬\然后被輸出至第二神經(jīng)元層(層2)。下面的等式1表示關(guān)于第一神經(jīng)元 層(層1)的數(shù)值公式等式1a l=b上述第一神經(jīng)元層(層1)的操作方法被同樣應(yīng)用于第二神經(jīng)元層(層2)和第三 神經(jīng)元層(層3)。然而，被輸入到每個層的輸入矢量都是最后一層的輸出矢量。被應(yīng)用至 第二神經(jīng)元層(層2)和第三神經(jīng)元層(層3)的操作方法分別如下等式2a 2=f2(W2 ‘+b 2)等式3a 3=f3(W3 2+b 3)在等式1-3中，權(quán)矢量W^W2和W3分別具有的維數(shù)為S行X 1列、S行XS列以及 S行XS列，偏差矢量f、f 2和廠具有的維數(shù)為S行XI列。這里，S是由人工神經(jīng)網(wǎng)絡(luò) 所計算的最終輸出矢量53中的行數(shù)。在最終輸出矢量53中的行數(shù)相同于被包括在長期特 性估計數(shù)據(jù)中的單元數(shù)據(jù)的數(shù)目。在本發(fā)明中，人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)意味著獲得權(quán)矩陣W\W2和W3以及偏差矢量 b\ b 2和f 3，從而使最終輸出矢量5 3和通過將長期特性學(xué)習(xí)數(shù)據(jù)Tt矢量化所獲得的長期 特性學(xué)習(xí)矢量之間的差值最小化或優(yōu)化。為此，人工神經(jīng)網(wǎng)絡(luò)操作單元30使用初始特 性學(xué)習(xí)矢量盧,和長期特性學(xué)習(xí)矢量f,，所述兩個矢量是通過將初始特性學(xué)習(xí)數(shù)據(jù)Pt和長 期特性學(xué)習(xí)數(shù)據(jù)Tt進行矢量化而獲得的。例如，假設(shè)每個循環(huán)的R/k數(shù)目個初始特性數(shù)據(jù)是對要作為學(xué)習(xí)對象的N個電池 的k個循環(huán)期間獲得的，則將其用作初始特性學(xué)習(xí)數(shù)據(jù)，對第300個循環(huán)總計獲得S個長期 特性數(shù)據(jù)，然后將其用作長期特性學(xué)習(xí)數(shù)據(jù)，而權(quán)矩陣W^W2和W3，以及偏差矢量f \ f 2和 廠3是通過允許人工神經(jīng)網(wǎng)絡(luò)使用盧,= (Pi、P2........pN) [R行XN列，p”p2........pN
是列矢量]以及廣產(chǎn)“” t2........ tN)[S行XN列，t1、t2........tN是列矢量]進
行學(xué)習(xí)而獲得的。這里，關(guān)于人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的技術(shù)在本領(lǐng)域中是眾所周知的。例如，Jure Zupan, Johann Gasteiger在第二版的《Neural Networksin Chemistry and Drug Design》 (ffeinheim ；New York ；Chichester ；Brisbane ；Singapore ；Toronto :ffiley-VCH, 1999)中 公開了借助于在輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的相關(guān)度來計算權(quán)矩陣W和偏差矢量^ 的方法。 因此，這里就不再詳細解釋人工神經(jīng)網(wǎng)絡(luò)使用盧,和r"",的詳細學(xué)習(xí)算法。
神經(jīng)元傳遞函數(shù)f是在人工神經(jīng)網(wǎng)絡(luò)的領(lǐng)域中公知的傳遞函數(shù)。例如，可采用 Compet、Hard-limit、Symmetric Hard-Limit、Log-Sigmoid、Positive Linear、Linear、 Radial Basis、Satlin、Satlins、Softmax、Tan_Sigmoid、Triangular Basis 以及 Netinv 等 傳遞函數(shù)可作為神經(jīng)元傳遞函數(shù)f。然而，本發(fā)明對此不進行限制。再參照圖1，如果最終輸出矢量5 3是由人工神經(jīng)網(wǎng)絡(luò)計算的，則人工神經(jīng)網(wǎng)絡(luò)操 作單元30將最終輸出矢量(該矢量相應(yīng)于一長期特性估計矢量)輸出作為電池的長期特 性估計數(shù)據(jù)。然后，顯示器40接收該長期特性估計數(shù)據(jù)，并將該長期特性估計數(shù)據(jù)通過一 顯示設(shè)備顯示在圖形-用戶界面中。例如，如果長期特性估計數(shù)據(jù)是第300次循環(huán)的充電 時間或充電電壓所對應(yīng)的電池的充電容量變化數(shù)據(jù)，則顯示器40可通過一顯示設(shè)備以圖 形形式將該對于長達300次循環(huán)所估計的電池的充電容量變化數(shù)據(jù)輸出。在這種情況下， 盡管循環(huán)充電/放電過程沒有進行長達300次循環(huán)，但可輕易估計出電池的長期特性。在另一實施方案中，如果最終輸出矢量5 3是由人工神經(jīng)網(wǎng)絡(luò)計算的，則人工神經(jīng) 網(wǎng)絡(luò)操作單元30可將該最終輸出矢量輸出至一估計電池的長期特性的長期特性估計單元 50。然后，該長期特性估計單元50將人工神經(jīng)網(wǎng)絡(luò)所計算的長期特性估計數(shù)據(jù)與預(yù)定的標 準的長期特性數(shù)據(jù)進行比較，那么，如果其誤差大于閾值，所述長期特性估計單元50就判 斷該電池具有不良的長期特性。在該情況下，長期特性估計單元50確定相應(yīng)的電池在長期 特性方面是劣質(zhì)的，然后可通過顯示設(shè)備將該結(jié)果顯示在一圖形-用戶界面中。例如，如果長期特性估計數(shù)據(jù)相關(guān)于第300個循環(huán)所估計的、電池的每個充電時 間或充電電壓的充電容量，則僅當人工神經(jīng)網(wǎng)絡(luò)所估計的充電容量大于每個充電時間或充 電電壓的預(yù)定的標準的充電容量時，長期特性估計單元50可確定相應(yīng)電池的長期特性是 卓越的。然而，在確定電池的長期特性的卓越性方面，本發(fā)明并不進行限制。同時，如果初始特性測量數(shù)據(jù)在用于人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)的初始特性學(xué)習(xí)數(shù)據(jù)的 范圍之外，則通過人工神經(jīng)網(wǎng)絡(luò)所計算的長期特性估計數(shù)值的可靠性被降低。為了解決該問題，在本發(fā)明的另一實施方案中，將初始特性學(xué)習(xí)數(shù)據(jù)和長期特性 學(xué)習(xí)數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)不同地限定，使得對每個數(shù)據(jù)結(jié)構(gòu)而言人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)被不同地 執(zhí)行。圖3示出初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)被限定在第一數(shù)據(jù)結(jié)構(gòu)中的情 況，圖4示出初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)被限定在第二數(shù)據(jù)結(jié)構(gòu)中的情況。參照圖3的第一數(shù)據(jù)結(jié)構(gòu)，對要作為學(xué)習(xí)對象的N個電池所獲得的同一循環(huán)的初 始特性學(xué)習(xí)數(shù)據(jù)被沿著橫向布置。例如，在初始特性學(xué)習(xí)數(shù)據(jù)的第一行中，布置了電池1至 電池N的第1個循環(huán)的充電/放電過程中所獲得的初始特性學(xué)習(xí)數(shù)據(jù)。其它行被以相同方 式布置。此外，在長期特性學(xué)習(xí)數(shù)據(jù)的第一行中，布置了對電池1至電池N的第300個循環(huán) 的充電/放電過程中所獲得的長期特性學(xué)習(xí)數(shù)據(jù)。這里，正如對于本領(lǐng)域普通技術(shù)人員顯 然的，可以改變在其中獲得初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)的循環(huán)的范圍或數(shù)目。 如果每個循環(huán)所獲得的學(xué)習(xí)數(shù)據(jù)的數(shù)目是k，則具有第一數(shù)據(jù)結(jié)構(gòu)的初始特性學(xué)習(xí)數(shù)據(jù)變 成具有10行X (k*N)列的維數(shù)的矩陣，長期特性學(xué)習(xí)數(shù)據(jù)變成具有1行X (k*N)列的維數(shù) 的矩陣。然后，參照圖4的第二數(shù)據(jù)結(jié)構(gòu)，初始特性學(xué)習(xí)數(shù)據(jù)是通過對要作為學(xué)習(xí)對象的N 個數(shù)目的電池執(zhí)行1-10個循環(huán)的充電/放電過程而獲得的，但對每個電池所獲得的1-10個循環(huán)的初始特性學(xué)習(xí)數(shù)據(jù)被沿著垂直方向相繼布置。從而，在初始特性學(xué)習(xí)數(shù)據(jù)的第一 列，在對電池1的1-10個循環(huán)的充電/放電過程中所獲得的初始特性學(xué)習(xí)數(shù)據(jù)被相繼布 置。其它列被以相同方式布置。此外，在長期特性學(xué)習(xí)數(shù)據(jù)的每一列中，在電池1-電池N 的第300個循環(huán)的充電/放電過程中所獲得的長期特性學(xué)習(xí)數(shù)據(jù)被沿著垂直方向布置。這 里，正如對于本領(lǐng)域普通技術(shù)人員顯然的，可以改變在其中獲得初始特性學(xué)習(xí)數(shù)據(jù)和長期 特性學(xué)習(xí)數(shù)據(jù)的循環(huán)的范圍或數(shù)目。如果對于每個循環(huán)所獲得的學(xué)習(xí)數(shù)據(jù)的數(shù)目是k，則具 有第二數(shù)據(jù)結(jié)構(gòu)的初始特性學(xué)習(xí)數(shù)據(jù)會變成具有(k*10)行XN列的維數(shù)的矩陣，長期特性 學(xué)習(xí)數(shù)據(jù)變成具有k行XN列的維數(shù)的矩陣。人工神經(jīng)網(wǎng)絡(luò)操作單元30將初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)轉(zhuǎn)換為第一 和第二數(shù)據(jù)結(jié)構(gòu)，然后允許人工神經(jīng)網(wǎng)絡(luò)基于所述數(shù)據(jù)結(jié)構(gòu)單獨學(xué)習(xí)。這里，允許人工神經(jīng)網(wǎng)絡(luò)基于數(shù)據(jù)結(jié)構(gòu)單獨學(xué)習(xí)的含義是，基于第一和第二數(shù)據(jù) 結(jié)構(gòu)獨立地計算人工神經(jīng)網(wǎng)絡(luò)的權(quán)矩陣w1、W2和W3，以及偏差矢量f ‘、b 2和f 3。如果允許人工神經(jīng)網(wǎng)絡(luò)基于第一數(shù)據(jù)結(jié)構(gòu)進行學(xué)習(xí)，則可計算權(quán)矩陣和偏差矢 量，使得在300個循環(huán)內(nèi)的一個相應(yīng)循環(huán)處所測量的長期特性值可以通過基于要作為學(xué)習(xí) 對象的同一電池的在l-io個循環(huán)內(nèi)的一個特定循環(huán)處所測量的初始特性值的列矢量(沿 垂直方向)而被估計。另外，如果允許人工神經(jīng)網(wǎng)絡(luò)基于第二數(shù)據(jù)結(jié)構(gòu)進行學(xué)習(xí)，則可計算 權(quán)矩陣和偏差矢量，使得整300次循環(huán)的長期特性值，可通過基于要作為學(xué)習(xí)對象的同一 電池的在整個1-10循環(huán)內(nèi)的初始特性值的列矢量(沿垂直方向)而被估計。在人工神經(jīng)網(wǎng)絡(luò)基于數(shù)據(jù)結(jié)構(gòu)的單獨學(xué)習(xí)完成之后，如果其長期特性應(yīng)被確定的 電池的初始特性測量數(shù)據(jù)被輸入，則人工神經(jīng)網(wǎng)絡(luò)操作單元30將該初始特性測量數(shù)據(jù)的 數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換為第一數(shù)據(jù)結(jié)構(gòu)和第二數(shù)據(jù)結(jié)構(gòu)，然后應(yīng)用基于每個數(shù)據(jù)結(jié)構(gòu)已學(xué)習(xí)過的人 工神經(jīng)網(wǎng)絡(luò)，來計算兩種長期特性估計數(shù)據(jù)。此時，當根據(jù)具有第一數(shù)據(jù)結(jié)構(gòu)的初始特性測量數(shù)據(jù)來計算長期特性估計數(shù)據(jù) 時，人工神經(jīng)網(wǎng)絡(luò)操作單元30通過使用由1-10個循環(huán)的每個測量時間的初始特性值所組 成的列矢量，來估計相應(yīng)于列矢量位置的第300個循環(huán)的長期特性值。在這種方法中，初始 特性值與彼此不同的10個循環(huán)相關(guān)聯(lián)以依次對300個循環(huán)的長期特性數(shù)據(jù)進行估計。同 時，在根據(jù)具有第二數(shù)據(jù)結(jié)構(gòu)的初始特性測量數(shù)據(jù)計算長期特性估計數(shù)據(jù)的情況下，由整 1-10個循環(huán)的初始特性值所組成的列矢量被用于估計整300個循環(huán)的長期特性值。在這種 方法中，參照整10個循環(huán)的初始特性值來一次估計第300個循環(huán)的長期特性值。如果人工神經(jīng)網(wǎng)絡(luò)使用不同的方法估計長達300個循環(huán)的長期特性數(shù)據(jù)，盡管應(yīng) 用的是基于不同數(shù)據(jù)結(jié)構(gòu)進行學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)，如果初始特性測量數(shù)據(jù)不偏離初始特 性學(xué)習(xí)數(shù)據(jù)的范圍，則在兩種長期特性估計數(shù)據(jù)之間基本上不存在偏差。這是因為，人工 神經(jīng)網(wǎng)絡(luò)已充分學(xué)會用于估計基本上相同的長期特性學(xué)習(xí)數(shù)據(jù)，而不管用于學(xué)習(xí)的初始特 性學(xué)習(xí)數(shù)據(jù)的范圍內(nèi)的初始特性測量數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)如何。換言之，如果初始特性測量數(shù) 據(jù)偏離初始特性學(xué)習(xí)數(shù)據(jù)的范圍，如果應(yīng)用的是基于不同數(shù)據(jù)結(jié)構(gòu)進行學(xué)習(xí)的人工神經(jīng)網(wǎng) 絡(luò)，則兩種長期特性估計數(shù)據(jù)之間的誤差會增加。從而，通過利用這種現(xiàn)象，可以輕易估計 出長期特性估計數(shù)據(jù)的可靠性。也就是說，人工神經(jīng)網(wǎng)絡(luò)操作單元30從具有不同數(shù)據(jù)結(jié)構(gòu)的初始特性測量數(shù)據(jù) 中獲得兩種長期特性估計數(shù)據(jù)，然后將其輸出至長期特性估計單元50。然后，該長期特性估計單元50計算在兩種長期特性估計數(shù)據(jù)之間的誤差，由此，如果該誤差超過閾值，則長期 特性估計單元50就確定所述用于估計電池的長期特性的初始特性測量數(shù)據(jù)位于用于人工 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)的初始特性學(xué)習(xí)數(shù)據(jù)的定性范圍和定量范圍之外。在這種情況下，長期特 性估計單元50可通過顯示設(shè)備在一圖形_用戶界面中通知關(guān)于長期特性估計數(shù)據(jù)的可靠 性低的消息。相反，如果該兩種長期特性估計數(shù)據(jù)之間的誤差小于閾值，則長期特性估計單元 50就確定用于估計電池的長期特性的初始特性測量數(shù)據(jù)位于用于人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)的 初始特性學(xué)習(xí)數(shù)據(jù)的定性范圍和定量范圍內(nèi)。在這種情況下，長期特性估計單元50最終確 定將所述兩種長期特性估計數(shù)據(jù)中的任一個的矢量或者將所述兩種長期特性估計數(shù)據(jù)的 矢量平均數(shù)據(jù)作為長期特性估計數(shù)據(jù)，然后將該長期特性估計數(shù)據(jù)的變化圖樣通過一顯示 設(shè)備顯示在圖形-用戶界面中。另外，長期特性估計單元50可將最終確定的長期特性估計 數(shù)據(jù)與標準長期特性數(shù)據(jù)進行比較，以確定電池的長期特性是否卓越，然后通過一顯示設(shè) 備將結(jié)果顯示在圖形_用戶界面中。根據(jù)第一實施方案的用于估計電池的長期特性的系統(tǒng)，在電池制造完成之后對于 每批電池取樣出將要對其長期特性進行估計的多個電池，然后對于每個所取樣的電池進行 循環(huán)充電/放電過程以獲得初始特性測量數(shù)據(jù)，然后通過使用所獲得的初始特性測量數(shù)據(jù) 來測試每個所取樣電池的長期特性，因此該系統(tǒng)對于取樣檢查一批電池的長期特性質(zhì)量是 有用的。圖5是示出根據(jù)本發(fā)明第二實施方案的用于估計電池的長期特性的系統(tǒng)的框圖。根據(jù)第二實施方案的用于估計電池的長期特性的系統(tǒng)，是用于通過使用在電池激 活過程中所測量的電池的充電特性來估計電池的長期特性的。該系統(tǒng)將電池激活過程中當電池被初始充電時的關(guān)于電池的充電電壓變化數(shù)據(jù)、 充電電流變化數(shù)據(jù)或充電容量變化數(shù)據(jù)作為電池的初始特性測量數(shù)據(jù)。由此，與第一實施方案不同，根據(jù)第二實施方案的系統(tǒng)還包括一初始特性測量傳 感器60。當進入激活過程的電池被初始充電時，所述初始特性測量傳感器60以規(guī)則間隔檢 測電池的兩個端子的充電電壓、被引入電池的充電電流，或者電池的充電容量，然后將其輸 出至測量數(shù)據(jù)輸入單元20。然后，測量數(shù)據(jù)輸入單元20將輸出自初始特性測量傳感器60 的初始特性測量數(shù)據(jù)輸入到人工神經(jīng)網(wǎng)絡(luò)操作單元30。人工神經(jīng)網(wǎng)絡(luò)操作單元30接收在被選定為學(xué)習(xí)對象的電池的激活過程中所測量 的關(guān)于電池的充電電壓變化數(shù)據(jù)、充電電流變化數(shù)據(jù)或者充電容量變化數(shù)據(jù)作為初始特性 學(xué)習(xí)數(shù)據(jù)，并且在定下一選定為學(xué)習(xí)對象的電池之后，還通過學(xué)習(xí)數(shù)據(jù)輸入單元10接收對 于一預(yù)定循環(huán)——例如，第300個循環(huán)——所測量的充電特性變化數(shù)據(jù)、放電特性變化數(shù) 據(jù)、厚度變化數(shù)據(jù)或開路電壓變化數(shù)據(jù)作為長期特性學(xué)習(xí)數(shù)據(jù)，然后允許人工神經(jīng)網(wǎng)絡(luò)學(xué) 習(xí)。此外，每當從測量數(shù)據(jù)輸入單元20中輸入在電池激活過程中所測量的初始特性測量數(shù) 據(jù)時，人工神經(jīng)網(wǎng)絡(luò)操作單元30通過應(yīng)用已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)來計算并輸出長期特 性估計數(shù)據(jù)。第二實施方案的系統(tǒng)具有一個初始特性測量傳感器60，從而其可從激活過程實時 地獲取初始特性測量數(shù)據(jù)。由此，第二實施方案的系統(tǒng)可被應(yīng)用于在電池激活過程對電池 的長期特性進行全數(shù)檢查。此外，第二實施方案的用于計算初始特性學(xué)習(xí)數(shù)據(jù)的初始特性測量數(shù)據(jù)的種類、和用于人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)的長期特性估計數(shù)據(jù)的種類不同于第一實施 方案的所述兩種數(shù)據(jù)的種類。除了上述以外，第二實施方案的系統(tǒng)基本相同于第一實施方 案的系統(tǒng)。現(xiàn)在，將解釋根據(jù)本發(fā)明的一個實施方案的用于估計電池的長期特性的方法。圖6是示出根據(jù)本發(fā)明的第一實施方案的用于估計電池的長期特性的系統(tǒng)的操 作順序的示意流程圖。參照圖1和圖6，首先，人工神經(jīng)網(wǎng)絡(luò)操作單元30通過學(xué)習(xí)數(shù)據(jù)輸入單元10收集 要作為學(xué)習(xí)對象的電池的初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)(S100)。這里，初始特性 學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)已在上面解釋過。接下來，人工神經(jīng)網(wǎng)絡(luò)操作單元30允許人工神經(jīng)網(wǎng)絡(luò)使用所收集的初始特性學(xué) 習(xí)數(shù)據(jù)和所收集的長期特性學(xué)習(xí)數(shù)據(jù)進行學(xué)習(xí)(S110)。在人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)完成之后，人工神經(jīng)網(wǎng)絡(luò)操作單元30通過測量數(shù)據(jù)輸入 單元20接收要作為估計長期特性的對象的電池的初始特性測量數(shù)據(jù)(S120)。該初始特性 測量數(shù)據(jù)可通過如下方式獲得從完整制造的一批電池中取樣出預(yù)定數(shù)量的電池，然后對 所取樣的電池執(zhí)行循環(huán)充電/放電過程。作為一種替代方案，初始特性測量數(shù)據(jù)可通過當 進入激活過程的電池被初始充電時、使用初始特性測量傳感器60獲得(參見圖5)。此后，人工神經(jīng)網(wǎng)絡(luò)操作單元30通過將已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用至輸入初 始特性測量數(shù)據(jù)，計算預(yù)定的長期循環(huán)的長期特性估計數(shù)據(jù)。然后，人工神經(jīng)網(wǎng)絡(luò)操作單元30將所計算的長期特性估計數(shù)據(jù)顯示到顯示器40 上。然后，顯示器40通過一顯示設(shè)備將該長期特性估計數(shù)據(jù)顯示在圖形-用戶界面中 (S140)。作為一種替代方案，人工神經(jīng)網(wǎng)絡(luò)操作單元30將所計算的長期特性估計數(shù)據(jù)輸 出至長期特性估計單元50。然后，長期特性估計單元50通過將所計算的長期特性估計數(shù)據(jù) 與標準長期特性數(shù)據(jù)進行比較來估計電池的長期特性質(zhì)量，然后將結(jié)果通過顯示設(shè)備顯示 在圖形-用戶界面中(S150)。圖7是示出根據(jù)本發(fā)明的第二實施方案的用于估計電池的長期特性的系統(tǒng)的操 作順序的示意流程圖。參照圖1和圖7，首先，人工神經(jīng)網(wǎng)絡(luò)操作單元30通過學(xué)習(xí)數(shù)據(jù)輸入單元10收集 作為學(xué)習(xí)對象的電池的初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)(S200)。這里，初始特性學(xué) 習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)已在上面解釋過。接下來，人工神經(jīng)網(wǎng)絡(luò)操作單元30將所收集的初始特性學(xué)習(xí)數(shù)據(jù)和所收集的長 期特性學(xué)習(xí)數(shù)據(jù)轉(zhuǎn)換到第一數(shù)據(jù)結(jié)構(gòu)和第二數(shù)據(jù)結(jié)構(gòu)中(S210)。在此之后，人工神經(jīng)網(wǎng)絡(luò) 被允許基于每個數(shù)據(jù)結(jié)構(gòu)進行學(xué)習(xí)(S220)。這里，第一數(shù)據(jù)結(jié)構(gòu)和第二數(shù)據(jù)結(jié)構(gòu)已被參照 圖3和圖4詳細解釋如上。在人工神經(jīng)網(wǎng)絡(luò)基于每個數(shù)據(jù)結(jié)構(gòu)的學(xué)習(xí)已完成之后，人工神經(jīng)網(wǎng)絡(luò)操作單元30 通過測量數(shù)據(jù)輸入單元20接收要作為估計長期特性的對象的電池的初始特性測量數(shù)據(jù) (S230)。初始特性測量數(shù)據(jù)可通過如下方式獲得即從所完整制造的一批電池中取樣出預(yù) 定數(shù)目個電池，然后對所取樣的電池執(zhí)行循環(huán)充電/放電過程。作為一種替代方案，所述初 始特性測量數(shù)據(jù)可通過在當進入激活過程的電池被初始充電時、由初始特性測量傳感器60獲得(參見圖5)。在此之后，人工神經(jīng)網(wǎng)絡(luò)操作單元30將輸入的初始特性測量數(shù)據(jù)轉(zhuǎn)換到第一數(shù) 據(jù)結(jié)構(gòu)和第二數(shù)據(jù)結(jié)構(gòu)(S240)中。然后，根據(jù)第一數(shù)據(jù)結(jié)構(gòu)和第二數(shù)據(jù)結(jié)構(gòu)，將基于每個 數(shù)據(jù)結(jié)構(gòu)已學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用至輸入初始特性測量數(shù)據(jù)，由此計算對于預(yù)定的長期 循環(huán)的兩種長期特性估計數(shù)據(jù)(S250)。然后，人工神經(jīng)網(wǎng)絡(luò)操作單元30將所計算的兩種長期特性估計數(shù)據(jù)顯示在顯示 器40中。從而，顯示器40通過一顯示設(shè)備將所述兩種長期特性估計數(shù)據(jù)顯示到圖形-用 戶界面中(S260)。作為一種替代方案，人工神經(jīng)網(wǎng)絡(luò)操作單元30將所計算的兩種長期特性估計數(shù) 據(jù)輸出至長期特性估計單元50。然后，該長期特性估計單元50通過將二者互相比較來計算 在兩種長期特性估計數(shù)據(jù)之間的誤差，根據(jù)該誤差是否超出閾值來確定長期特性估計數(shù)據(jù) 的可靠性，然后通過一顯示設(shè)備將結(jié)果顯示在圖形_用戶界面中(S270)。另外，長期特性估計單元50確定將所述兩種長期特性估計數(shù)據(jù)中的任一個或者 該兩種長期特性估計數(shù)據(jù)的矢量平均數(shù)據(jù)選擇作為長期特性估計數(shù)據(jù)，以及通過將所確定 的長期特性估計數(shù)據(jù)與標準的長期特性數(shù)據(jù)進行比較來估計電池的長期特性質(zhì)量，然后將 該結(jié)果通過一顯示設(shè)備顯示在圖形用戶界面中(S280)。根據(jù)本發(fā)明的用于估計電池的長期特性的系統(tǒng)和方法，可以以一種能夠被各種計 算機裝置執(zhí)行的并被記錄在一計算機可讀介質(zhì)中的程序指令形式實現(xiàn)。所述計算機可讀 介質(zhì)可包括單一的或組合的程序指令、數(shù)據(jù)文檔或數(shù)據(jù)結(jié)構(gòu)。記錄在介質(zhì)中的程序指令可 以是為了本發(fā)明專門設(shè)計并配置的，或者是在計算機程序領(lǐng)域眾所周知的任何其它可使 用的程序指令。計算機可讀記錄介質(zhì)包括，例如，諸如硬盤、軟盤和磁帶等的磁介質(zhì)；諸如 CD-ROM和DVD的光學(xué)介質(zhì)；諸如光磁軟盤的磁-光介質(zhì)；以及諸如ROM、RAM和閃存的專門 被配置用于存儲并執(zhí)行程序指令的硬件設(shè)備。所述介質(zhì)還可以是如下的傳輸介質(zhì)，諸如波 導(dǎo)管以及具有載體的光學(xué)導(dǎo)線或金屬導(dǎo)線等，這種傳輸介質(zhì)傳送表示程序指令或數(shù)據(jù)結(jié)構(gòu) 的信號。所述程序指令包括，例如，由編譯器生成的機器代碼、或者由使用解碼器等的計算 機可執(zhí)行的高級程序語言代碼。所述硬件設(shè)備可被配置為作為用于執(zhí)行本發(fā)明的操作的至 少一個軟件模塊而被運行，反之亦然。圖8是一個示出了可用于執(zhí)行根據(jù)本發(fā)明的用于估計電池長期特性的系統(tǒng)的操 作方法的通用計算機系統(tǒng)的框圖。參照圖8，通用目的計算機系統(tǒng)400包括連接至具有RAM 420和ROM 430的主存儲 器的至少一個處理器410。處理器410還被稱為CPU。如本領(lǐng)域公知的，ROM 430用于向處 理器410單方面地傳輸數(shù)據(jù)和指令。RAM 420通常被用于雙向地向處理器410傳輸數(shù)據(jù)和指 令。RAM 420和ROM 430可具有計算機可讀介質(zhì)的任意合適形狀。海量存儲器(massstorage device)440被雙向連接至處理器410從而為其提供額外的數(shù)據(jù)存儲能力，并且其可以是上 述計算機可讀介質(zhì)中的任一種。海量存儲器440被用于存儲程序、數(shù)據(jù)等，并且其通常是諸 如硬盤等的輔助存儲器，輔助存儲器的速度低于主存儲器。還可使用諸如CD-ROM 460的特 定海量存儲器。處理器410連接到至少一個1/0接口 450，該1/0接口諸如視頻監(jiān)視器、跟 蹤球鼠標、鍵盤、麥克風(fēng)、觸屏式顯示器、讀卡器、磁帶或紙帶閱讀器、語音或書寫識別器、操 縱桿或其它公知的計算機1/0設(shè)備。最后，處理器410可通過網(wǎng)絡(luò)接口 470連接至有線或無線通信網(wǎng)絡(luò)。上述方法還可通過聯(lián)網(wǎng)進行。上述設(shè)備和工具對于計算機硬件和軟件領(lǐng)域 的普通技術(shù)人員是眾所周知的。同時，硬件設(shè)備還可被配置運行為至少一種軟件模式用以 執(zhí)行本發(fā)明的操作。本發(fā)明已被詳細描述如上。然而，應(yīng)理解的是，盡管給出了本發(fā)明的優(yōu)選實施方 案，但詳細說明和具體實施例僅是通過示例方式給出的，因為根據(jù)本詳細說明書，在本發(fā)明 主旨和范圍內(nèi)的各種變化和修改對于本領(lǐng)域技術(shù)人員而言將是顯而易見的。工業(yè)適用性根據(jù)本發(fā)明，可利用電池的初始特性快速估計電池的長期特性，因此可解決常規(guī) 的后發(fā)貨長期特性估計方法的各種問題。也就是說，可以降低用于召回被確定為具有不良質(zhì)量的電池批次的成本。此外，由 于長期特性的劣質(zhì)因素可被快速識別并去除，從而可以防止額外制造具有劣質(zhì)長期特性的 電池。另外，可以僅向消費者提供具有卓越長期特性的電池，并且還可減輕用于電池的循環(huán) 充電/放電過程的設(shè)備上的負荷。在本發(fā)明的另一方面，由于使用了電池被制造時對所有電池所測量的特性，例如 在激活過程中的充電數(shù)據(jù)，從而可以實現(xiàn)電池的全數(shù)檢查。
權(quán)利要求
用于估計電池的長期特性的系統(tǒng)，包括學(xué)習(xí)數(shù)據(jù)輸入單元，其用于接收要作為學(xué)習(xí)對象的電池的初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)；測量數(shù)據(jù)輸入單元，其用于接收要作為估計長期特性的對象的電池的初始特性測量數(shù)據(jù)；以及人工神經(jīng)網(wǎng)絡(luò)操作單元，其用于從所述學(xué)習(xí)數(shù)據(jù)輸入單元接收所述初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)以允許人工神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)，從所述測量數(shù)據(jù)輸入單元接收初始特性測量數(shù)據(jù)并將已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用至所述初始特性測量數(shù)據(jù)上，并因此而根據(jù)電池的所述初始特性測量數(shù)據(jù)計算長期特性估計數(shù)據(jù)，并輸出所述長期特性估計數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中所述的已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)具有串聯(lián)布置的 至少一個神經(jīng)元層，其中該神經(jīng)元層將輸入矢量轉(zhuǎn)換為輸出矢量以使通過人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)計算的偏 移矢量和權(quán)矩陣被反映在輸入矢量上，偏移矢量和權(quán)矩陣被反映在其上的輸入矢量通過神 經(jīng)元傳遞函數(shù)處理，接著神經(jīng)元傳遞函數(shù)的結(jié)果被作為輸出矢量輸出。
3.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中在神經(jīng)元層的串聯(lián)布置中，第一神經(jīng)元層具有由 所述初始特性測量數(shù)據(jù)組成的輸入矢量。
4.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中關(guān)聯(lián)于初始特性的數(shù)據(jù)包括在電池激活過程中測 量的電池的充電特性變化數(shù)據(jù)；或通過測量初始循環(huán)特性而獲取的電池的充電特性變化數(shù) 據(jù)、放電特性變化數(shù)據(jù)、厚度變化數(shù)據(jù)，或者開路電壓變化數(shù)據(jù)，以及其中關(guān)聯(lián)于長期特性的數(shù)據(jù)包括預(yù)定的長期循環(huán)上的電池的充電特性變化數(shù)據(jù)、放電 特性變化數(shù)據(jù)、厚度變化數(shù)據(jù)，或者開路電壓變化數(shù)據(jù)。
5.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中還包括初始特性測量傳感器，其用于測量置于激 活過程的電池的充電特性，并接著將所測量的充電特性輸出作為初始特性測量數(shù)據(jù)，其中測量數(shù)據(jù)輸入單元從初始特性測量傳感器接收初始特性測量數(shù)據(jù)。
6.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中還包括顯示器，該顯示器用于從人工神經(jīng)網(wǎng)絡(luò)操 作單元接收長期特性估計數(shù)據(jù)，以通過顯示裝置在圖形_用戶界面上顯示長期特性估計數(shù) 據(jù)。
7.根據(jù)權(quán)利要求1所述的系統(tǒng)，還包括長期特性估計單元，其用于從人工神經(jīng)網(wǎng)絡(luò)操 作單元接收長期特性估計數(shù)據(jù)，并通過將所接收的長期特性估計數(shù)據(jù)與標準的長期特性數(shù) 據(jù)相比較，來確定電池的長期特性質(zhì)量。
8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其中長期特性估計單元將電池的長期特性質(zhì)量的確定 結(jié)果通過顯示裝置輸出至圖形_用戶界面上。
9.用于估計電池的長期特性的方法，包括(a)接收要作為學(xué)習(xí)對象的電池的初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)；(b)對所接收到初始特性學(xué)習(xí)數(shù)據(jù)和所接收到的長期特性學(xué)習(xí)數(shù)據(jù)執(zhí)行人工神經(jīng)網(wǎng)絡(luò) 學(xué)習(xí)；(c)接收要作為估計長期特性的對象的電池的初始特性測量數(shù)據(jù)；以及(d)通過將已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用至所述初始特性測量數(shù)據(jù)上，根據(jù)電池的初 始特性測量數(shù)據(jù)計算長期特性估計數(shù)據(jù)，然后將該長期特性估計數(shù)據(jù)輸出。
10.根據(jù)權(quán)利要求9的方法，其中所述的已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)具有串聯(lián)布置的至 少一個神經(jīng)元層，以及其中步驟⑷包括(dl)將初始特性測量數(shù)據(jù)轉(zhuǎn)換到輸入矢量中； (d2)將所轉(zhuǎn)換的輸入矢量輸入至神經(jīng)元層布置的第一神經(jīng)元層； (d3)神經(jīng)元層布置的每一神經(jīng)元層將通過人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)計算的偏移矢量和權(quán) 矩陣反映到輸入矢量上，接著通過神經(jīng)元傳遞函數(shù)處理輸入矢量，以使輸入矢量被轉(zhuǎn)換為 輸出矢量，并接著被輸出；以及(d4)神經(jīng)元層布置的最末神經(jīng)元層將長期特性估計矢量作為輸出矢量輸出。
11.根據(jù)權(quán)利要求9的方法，其中關(guān)聯(lián)于初始特性的數(shù)據(jù)包括在電池激活過程中測量 的電池的充電特性變化數(shù)據(jù)；或通過測量初始循環(huán)特性而獲取的電池的充電特性變化數(shù) 據(jù)、放電特性變化數(shù)據(jù)、厚度變化數(shù)據(jù)，或者開路電壓變化數(shù)據(jù)，以及其中關(guān)聯(lián)于長期特性的數(shù)據(jù)包括預(yù)定的長期循環(huán)上的電池的充電特性變化數(shù)據(jù)、放電 特性變化數(shù)據(jù)、厚度變化數(shù)據(jù)，或者開路電壓變化數(shù)據(jù)。
12.根據(jù)權(quán)利要求9的方法，其中初始特性學(xué)習(xí)數(shù)據(jù)是置于電池激活過程中的要作為 學(xué)習(xí)對象的電池的充電特性變化數(shù)據(jù)，而長期特性學(xué)習(xí)數(shù)據(jù)是預(yù)定的長期循環(huán)上的電池的 充電特性變化數(shù)據(jù)、放電特性變化數(shù)據(jù)、厚度變化數(shù)據(jù)，或者開路電壓變化數(shù)據(jù)，以及其中步驟(c)包括將要作為估計長期特性的對象的電池置于電池激活過程中； 從電池上測量充電特性變化；以及將所測量的充電特性變化數(shù)據(jù)接收作為初始特性測量數(shù)據(jù)。
13.根據(jù)權(quán)利要求9的方法，其中還包括 可視地顯示長期特性估計數(shù)據(jù)。
14.根據(jù)權(quán)利要求9的方法，還包括將所述的長期特性估計數(shù)據(jù)與標準的長期特性數(shù)據(jù)相比較，以確定電池的長期特性質(zhì)量。
15.根據(jù)權(quán)利要求14的方法，其中還包括 可視地顯示電池的長期特性質(zhì)量的確定結(jié)果。
全文摘要
一種用于估計電池的長期特性的系統(tǒng)，包括學(xué)習(xí)數(shù)據(jù)輸入單元，其用于接收要作為學(xué)習(xí)對象的電池的初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)；測量數(shù)據(jù)輸入單元，其用于接收要作為估計對象的電池的初始特性測量數(shù)據(jù)；以及人工神經(jīng)網(wǎng)絡(luò)操作單元，其用于從所述學(xué)習(xí)數(shù)據(jù)輸入單元接收所述初始特性學(xué)習(xí)數(shù)據(jù)和長期特性學(xué)習(xí)數(shù)據(jù)以允許人工神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)，從所述測量數(shù)據(jù)輸入單元接收初始特性測量數(shù)據(jù)并將已學(xué)習(xí)過的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用至所述初始特性測量數(shù)據(jù)上，并因此而根據(jù)電池的所述初始特性測量數(shù)據(jù)計算長期特性估計數(shù)據(jù)，并輸出所述長期特性估計數(shù)據(jù)。
文檔編號G01R31/36GK101809456SQ200880108304
公開日2010年8月18日 申請日期2008年8月21日 優(yōu)先權(quán)日2007年8月23日
發(fā)明者孫美暎, 宋炫坤, 曹正柱, 李鎬春, 秋淵旭 申請人:株式會社Lg化學(xué)