摘要
本发明公开了一种电池静态维持时间预测方法及系统,主要涉及车辆蓄电池状态监测与预测技术领域。包括以下步骤:采集车辆在多次下电时刻和上电时刻的电池参数,并根据电瓶电源30电开关状态分类采集数据;基于采集到的电池参数数据,训练自反馈径向基函数神经网络RBFNN模型;在车辆下电期间,定时读取最近一次下电时刻的电池参数,根据30电开关状态选择对应的训练好的RBFNN模型,输入电池参数预测静态维持时间;计算当前时间到最近一次下电时刻的时间差和剩余维持时间,比较剩余维持时间与预设时间阈值,并通过云端系统向用户发送充电提醒信息。本发明的有益效果在于:它能有效避免因车辆长期静止而出现电池亏损和车辆无法启动的问题。
技术关键词
时间预测方法
电池SOC值
径向基函数神经网络
云端系统
电池传感器
参数
时间差
电池健康状态
时间预测系统
车辆蓄电池状态
模型训练模块
PCU控制器
平台
数据采集模块
开关
上位机系统
节点
系统为您推荐了相关专利信息
主动学习策略
采样点
边坡安全系数
粒子群算法
径向基函数神经网络
防腐涂层
深度学习模型
时间预测方法
混凝土防撞护栏
反射率测定仪
整数规划模型
历史订单数据
计算机程序指令
时间预测方法
矩阵
镜片
训练眼镜
视力保健技术
视觉疲劳程度
智能推荐算法
交流滤波器组
径向基函数神经网络
缺陷分析
中央处理器
数据采集单元