【技術實現步驟摘要】
本專利技術屬于智慧貨運，特別是涉及一種集裝箱內鋰電池的安全監測方法。
技術介紹
1、在跨區域鐵路運輸場景下，由于惡劣氣溫、外力沖擊或碰撞以及極端環境壓力等特殊情況對動力鋰電池的安全構成了嚴峻挑戰。鑒于這些復雜環境因素的交織影響，傳統的視頻監控技術難以準確監測動力鋰電池的安全狀況。因此，亟需一種能夠對動力鋰電池的狀況進行高效實時評估的方法。
技術實現思路
1、本專利技術的目的是提供一種集裝箱內鋰電池的安全監測方法，以解決上述現有技術存在的問題。
2、為實現上述目的，本專利技術提供了一種集裝箱內鋰電池的安全監測方法，包括：獲取集裝箱內的環境數據、電池外部狀態數據和電池內部數據，所述環境數據包括箱內環境溫度數據和箱內環境壓力數據，所述電池狀態數據包括電池表面溫度數據、電池位置數據和電池外觀特征數據；對所述環境數據和所述電池外部狀態數據進行數據融合，得到電池外部融合數據；基于所述電池外部融合數據和所述電池內部數據構建電池狀態預測模型，基于構建的電池狀態預測模型執行電池內外狀態的實時預測。
3、可選的，所述對所述環境數據和所述電池外部狀態數據進行數據融合，具體包括：對所述箱內環境溫度數據和所述箱內環境壓力數據分別進行預處理，得到預處理后的環境數據；
4、建立所述電池表面溫度數據、電池位置數據和所述電池外觀特征數據的數據模型；
5、對預處理后的環境數據和建立的數據模型分別進行融合配準，得到配準后的環境數據和配準后的電池外部狀態數據，對配準后的數據
6、可選的，所述箱內環境溫度數據的預處理過程，具體包括：對所述箱內環境溫度數據灰度處理，得到灰度圖數據，基于所述灰度圖數據建立灰度值與溫度的轉換關系，得到預處理后的箱內環境溫度數據。
7、可選的，所述箱內環境壓力數據的預處理過程，具體包括：對所述箱內環境壓力數據依次進行信號放大處理、歸一化處理和模數轉化處理，得到預處理后的箱內環境壓力數據。
8、可選的，所述電池表面溫度數據對應的數據模型的構建方法，具體包括：
9、將電池表面劃分為上、下、左、右和中心區域，基于各區域的溫度和溫度變化率獲取溫度狀態向量：
10、
11、式中，tr(k)是第r個區域在時間步k的溫度，是第r個區域在時間步k的溫度變化率；tk是在時間k的狀態向量；
12、基于所述溫度狀態向量建立狀態轉移模型：
13、無控制輸入：
14、有控制輸入：
15、式中，是在時間k的控制輸入向量，是過程噪聲，f是狀態轉移矩陣；
16、建立電池表面溫度數據對應的數據模型：
17、
18、式中，是在時間步k的觀測向量，是觀測噪聲，h為觀測矩陣。
19、可選的，所述電池位置數據對應的數據模型的構建方法，具體包括：
20、基于卡爾曼濾波器結合位移傳感器確定動力鋰電池的位置，
21、
22、式中，sk為狀態向量，[xk,yk]是動力鋰電池中心的位置坐標；
23、定義狀態轉移模型：
24、無控制輸入：
25、有控制輸入：
26、式中，sk+1是在時間步k+1的狀態向量，f為狀態轉移矩陣，是過程噪聲；b是控制矩陣，是控制輸入向量；
27、定義觀測模型：
28、
29、式中，為位移傳感器的測量值，是觀測噪聲，h為觀測矩陣。
30、可選的，所述電池外觀特征數據對應的數據模型的構建方法，具體包括：
31、對電池外觀特征數據進行灰度處理和對比度調整：
32、igray＝0.2989×r+0.5870×g+0.1140×b
33、inew＝a·(iold-imin)+imax
34、式中，igray為轉換后的灰度值，r、g和b分別是原始rgb圖像在對應像素點的紅色、綠色和藍色通道的強度值；inew是增強后的圖像強度，a是拉伸比例，iold是原始圖像的強度值，imin是原始圖像的最小強度值，imax是原始圖像的最大強度值；
35、獲取動力鋰電池外觀特征，構建狀態向量：
36、
37、式中，bk為狀態向量，wk為電池寬度，hk為電池高度，θk為電池方向；
38、定義狀態轉移模型：
39、靜態圖像：bk+1＝f·bk+wbk
40、動態圖像：bk+1＝f·bk+b·ubk+wbk
41、式中，bk+1是時間步k+1的狀態向量，f為狀態轉移矩陣，wbk是過程噪聲，b是控制輸入矩陣，ubk是控制輸入向量；
42、定義觀測模型：
43、zbk＝h·bk+vbk
44、式中，zbk是觀測向量，h是觀測矩陣，vbk是觀測噪聲。
45、可選的，所述配準后的環境數據的獲取過程，具體包括：
46、對預處理后的環境數據進行加權平均處理，得到配準后的環境數據。
47、可選的，對建立的數據模型進行融合配準的過程，具體包括：
48、基于所述電池表面溫度數據、電池位置數據和所述電池外觀特征數據對應的狀態向量構建狀態轉移模型和觀測模型；
49、確定初始狀態估計和初始估計誤差協方差，根據狀態轉移模型預測下一時間步的狀態，并預測當前狀態估計和當前預測誤差協方差；
50、基于實時電池外部狀態數據計算卡爾曼增益，基于卡爾曼增益決定實時電池外部狀態數據對預測狀態的貢獻程度；
51、計算觀測模型的預測觀測值與實際觀測值之間的觀測差值，基于觀測差值對初始狀態估計和初始估計誤差協方差進行更新；
52、重復進行預測和更新過程直至電池的表面溫度、位置和外觀特征的觀測數據融合到狀態估計中，完成數據的融合配準。
53、可選的，基于所述電池外部融合數據和所述電池內部數據構建電池狀態預測模型，具體包括：
54、對所述電池外部融合數據和所述電池內部數據進行標準化處理，得到預處理數據；
55、基于預處理數據構建電池內部指標向量，基于構建的電池內部指標向量定義狀態轉移方程和觀測模型；
56、基于狀態轉移方程和觀測模型，結合貝葉斯更新模型計算電池狀態的后驗概率，基于所述后驗概率對貝葉斯更新模型進行更新，根據更新后的貝葉斯更新模型執行電池內外狀態的實時預測。
本文檔來自技高網...【技術保護點】
1.一種集裝箱內鋰電池的安全監測方法，其特征在于，包括：
2.根據權利要求1所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述對所述環境數據和所述電池外部狀態數據進行數據融合，具體包括：
3.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述箱內環境溫度數據的預處理過程，具體包括：
4.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述箱內環境壓力數據的預處理過程，具體包括：
5.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述電池表面溫度數據對應的數據模型的構建方法，具體包括：
6.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述電池位置數據對應的數據模型的構建方法，具體包括：
7.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述電池外觀特征數據對應的數據模型的構建方法，具體包括：
8.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述配準后的環境數據的獲取過程，具
9.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，對建立的數據模型進行融合配準的過程，具體包括：
10.根據權利要求1所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，基于所述電池外部融合數據和所述電池內部數據構建電池狀態預測模型，具體包括：
...【技術特征摘要】
1.一種集裝箱內鋰電池的安全監測方法，其特征在于，包括：
2.根據權利要求1所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述對所述環境數據和所述電池外部狀態數據進行數據融合，具體包括：
3.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述箱內環境溫度數據的預處理過程，具體包括：
4.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述箱內環境壓力數據的預處理過程，具體包括：
5.根據權利要求2所述的一種集裝箱內鋰電池的安全監測方法，其特征在于，所述電池表面溫度數據對應的數據模型的構建方法，具體包括：
6.根據權利要求2所述的一種集裝...
【專利技術屬性】
技術研發人員：李世威，藍肖航，曾俊偉，馮靜文，劉琳，姜璇，
申請(專利權)人：蘭州交通大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。