[发明专利]车辆用电池传感器及利用所述传感器的季节判断方法

说明书

技术领域

本发明涉及车辆用电池传感器，尤其，涉及利用所述车辆用电池传感器的季节判断方法。

背景技术

最近，车辆上基本设有各种电子控制设备及多媒体设备等。

这种设备根据车辆电池的电源供应而运转，因此车辆电池的管理非常重要。

为了车辆电池的性能管理，车辆具备了用于测定所述车辆电池状态的车辆电池传感器。车辆电池传感器测定车辆电池的充电状态、老化程度及重启能力等电池性能。

这种车辆电池性能与季节性的温度变化之间存在密切的关联。因此，车辆电池传感器有必要监测反映这种季节性温度变化的车辆电池性能。

为此，车辆用电池传感器需自动判断当前的季节。但是，尚未开发出具有季节判断功能的车辆电池传感器。

发明内容

(要解决的技术问题)

因此，本发明的目的在于，提供能够判断季节的车辆用电池传感器。

本发明的另一目的在于，提供一种利用车辆用电池传感器的季节判断方法。

(解决问题的手段)

为达成所述目的的根据本发明的一方面的车辆用电池传感器，包括：预先学习部，将每日温度数据分成呈现季节的多个模式群集而构成自组织映射(Self-Organizing Map)，通过预先学习的季节模式数据而生成所述自组织映射所呈现的多个模式群集的权重值；温度感应单元，实时测定所述车辆的外部空气温度数据；及季节分类部，根据群集分析(cluster analysis)而对将所述实时测定的外部空气温度数据进行群集化而形成多个群集，并计算被群集化的多个群集的权重值，将计算的所述多个群集的权重值态射到所述自组织映射而检出权重值最靠近所述多个群集的权重值的所述模式群集，将检出的模式群集所呈现的季节分类为当前的季节。

利用根据本发明的另一方面的车辆用电池传感器的季节判断方法，包括：将每日温度数据分成呈现季节的多个模式群集而构成自组织映射(Self-Organizing Map)的步骤；通过预先学习的季节模式数据而生成所述自组织映射所呈现的多个模式群集的权重值的步骤；利用群集分析(cluster analysis)而对实时测定的车辆外部空气温度进行群集化而形成多个群集，计算多个群集的权重值的步骤；将所述多个群集的权重值态射到所述自组织映射而检出权重值最靠近所述多个群集的权重值的所述模式群集的步骤；及将检出的模式群集所呈现的季节信息分类为当前的季节的步骤。

(发明的效果)

根据本发明，利用车辆用电池传感器而判断季节，从而能够提高车辆用电池传感器所具有的监测性能。

附图说明

图1是呈现根据本发明的一实施例的车辆用电池传感器的内部结构的框图。

图2是概略性地呈现图1中图示的季节判断模块的内部结构的框图。

图3是呈现根据本发明的一实施例的预先学习部中可利用的神经回路网的结构的结构图。

图4是用于说明根据本发明的一实施例的预先学习部中可利用的神经回路网的传播规则的图。

图5是用于说明根据本发明的一实施例的预先学习部中可利用的神经回路网的学习规则的图。

图6是呈现图2中图示的预先学习部中执行的预先学习过程的顺序图。

图7是呈现图2中图示的预先学习部中使用的每日平均温度数据的一例的图表。

图8是用于说明根据本发明的一实施例的已变换的直方图数据的图表。

图9是呈现根据本发明的一实施例的预先学习开始之前的各模式群集的位置权重值的一例的图表。

图10是呈现根据本发明的一实施例的预先学习完成之后移动的各模式群集的位置权重值的一例的图表。

图11是呈现根据本发明的一实施例而保存在保存部的预先学习的季节模式数据的图。

图12是呈现图2中图示的季节分类部中分类季节的过程的顺序图。

图13是根据本发明的一实施例而输入到季节分类部的车辆的外部空气温度数据的图表。

图14是呈现图13中图示的从车辆的外部空气温度数据变换的直方图数据的一例的图。

图15是呈现通过根据本发明的一实施例的K-means算法而计算的所述车辆的外部空气温度数据的位置权重值的图。

图16是图式性地呈现图12的S1240中执行的季节分类过程的图。

图17是呈现显示从图2中图示的季节分类部接收的季节信息的车辆内的群集的图。

具体实施方式

下面，参照附图而详细说明根据本发明的一实施例。