[发明专利]用于测试电池充电状态的装置和方法

权利要求书

1.一种用于估计电池中的充电状态(SOC)的装置，包括：

检测器单元，其用于检测电池单元的电流，电压及温度；以及

软计算单元，其用于输出电池SOC估计值，所述估计值是基于神经网络算法利用径向函数对检测器单元所检测的电流、电压和温度进行处理的电池SOC估计值。

2.根据权利要求1所述的装置，其中软计算单元：

将神经网络算法与模糊算法、遗传算法(GA)、细胞自动机算法(CA)、免疫系统算法、及粗糙集算法中的任一种相结合，所有的这些算法适应性地对参数进行更新；以及

适应性地更新神经网络算法的参数。

3.根据权利要求1所述的装置，其中基于学习算法来更新神经网络算法，其中，当软计算单元输出的估计值与预定目标值之间的差是在临界范围之外时，进行学习以跟随预定目标值。

4.根据权利要求3所述的装置，其中目标值是在特定条件下通过对应的测试而获得的参考值。

5.根据权利要求3所述的装置，其中参考值是将从充电放电器输入的安培-小时(Ah)计算值和开路电压(OVC)值补足到电池的额定容量的值。

6.根据权利要求3所述的装置，其中学习算法是反向传播学习算法、卡曼滤波器、遗传算法、及模糊学习算法中的任一种。

7.根据权利要求2所述的装置，其中神经网络算法是以学习算法为基础而更新的，其中所述神经网络算法与模糊算法、遗传算法(GA)、细胞自动机算法(CA)、免疫系统算法、及粗糙集算法中的任一种相结合，其中，当软计算单元输出的估计值与预定目标值之间的差是在临界范围之外时，进行学习以跟随预定目标值。

8.根据权利要求7所述的装置，其中，目标值是在特定条件下通过对应的测试所获得的参考值。

9.根据权利要求8所述的装置，利用融合型软计算，其中参考值是将从充电放电器输入的安培-小时(Ah)计算值和开路电压(OVC)值补足到电池的额定容量的值。

10.根据权利要求7所述的装置，利用融合型软计算，其中，学习算法是反向传播学习算法、卡曼滤波器、遗传算法、及模糊学习算法中的任一种。

11.一种用于估计电池的充电状态(SOC)的方法，该方法包括如下步骤：

检测电池单元的电流、电压及温度；以及

输出电池SOC估计值，所述估计值是基于神经网络算法利用径向函数对检测器单元所检测的电流、电压和温度进行处理的电池SOC估计值。

12.根据权利要求11所述的方法，其中神经网络算法：

与模糊算法、遗传算法(GA)、细胞自动机算法(CA)、免疫系统算法、及粗糙集算法中的任一种结合，所有这些算法适应性地更新参数；以及

适应性地更新神经网络算法的参数。

13.根据权利要求11所述的方法，其中神经网络算法是以学习算法为基础更新的，其中，当估计值与预定目标值之间的差是在临界范围之外时，进行学习以跟随预定目标值。

14.根据权利要求13所述的方法，其中目标值是在特定条件下通过对应的测试所获得的参考值。

15.根据权利要求13所述的方法，其中参考值是将从充电放电器输入的安培-小时(Ah)计算值和开路电压(OVC)值补足到电池的额定容量的值。

16.根据权利要求13所述的方法，其中学习算法是反向传播学习算法、卡曼滤波器、遗传算法、模糊学习算法中的任一种。

17.根据权利要求12所述的方法，其中神经网络算法是以学习算法为基础而更新的，其中所述神经网络算法与模糊算法、遗传算法(GA)、细胞自动机(CA)算法、免疫系统算法、及粗糙集算法中的任一种相结合，其中，当软计算单元输出的估计值与预定目标值之间的差是在临界范围之外时，进行学习以跟随预定目标值。

18.根据权利要求17所述的方法，其中目标值是在特定条件下通过对应的测试所获得的参考值。

19.根据权利要求18所述的方法，其中参考值是将从充电放电器输入的安培-小时(Ah)计算值和开路电压(OVC)值补足到电池的额定容量的值。

20.根据权利要求17所述的方法，其中学习算法是反向传播学习算法、卡曼滤波器、遗传算法、及模糊学习算法中的任一种。