[发明专利]一种基于图像识别航空蓄电池电量充满预测方法

说明书

本发明公开了一种基于图像识别航空蓄电池电量充满预测方法，属于航空设备管理维护技术领域。为解决现有技术中航空蓄电池充电过充或充电不足的问题，方法具体包括以下步骤：步骤S11建立不同型号航空蓄电池的标准曲线图库；步骤S12深度学习改善图库；步骤S13数字滤波后的充满判断。本发明的技术方案，通过结合模拟信号处理、模数变换和数字信号处理进行杂波抑制后，系统可控性和抗干扰性能好，提高了航空蓄电池电量充满判断的可靠性。

技术领域

本发明具体涉及一种基于图像识别航空蓄电池电量充满预测方法，属于航空设备管理维护技术领域。

背景技术

航空蓄电池的充电结束有人工测量手动充满关机和智能充电系统自动充满关机。

航空蓄电池手工关机的操作过程一般是采取过充的方式进行，通过人工测量一段时间的充电过压值，判断电压不再升高即手动关机。这种方法局限于人工操作规范，如果人工疏忽容易造成电池的严重过充，影响电池寿命，容易发生安全事故。

传统的智能充电系统自动充满关机判断，传统的SOC基本估算方法有开路电压法、内阻法和安时法等。近年来又相继研发出许多对电池 SOC的新型算法 ,例如模糊逻辑算法模型、自适应神经模糊推断模型、卡尔曼滤波估计模型算法以及新出现的线性模型法和阻抗光谱法等开路电压法，这些算法适用于测试稳定状态下的电池SOC，电池的老化效应、自放电效应等系数无法确定，由于航空蓄电池电池在使用过程中表现的高度非线性，，使准确估计 SOC具有很大难度，进而难以判断电池充满的条件。传统的智能充电系统通过以上算法实时估算SOC，当SOC估算值等于电池容量安时即判断航空蓄电池充满。这种方法在实际使用过程中容易出现由电量充电不足的现象。

发明内容

本发明为解决现有技术中航空蓄电池充电过充或充电不足的问题，提供了一种基于图像识别航空蓄电池电量充满预测方法。方法具体包括以下步骤：

步骤S11 建立不同型号航空蓄电池的标准曲线图库；

步骤S12 深度学习改善图库；

步骤S13 数字滤波后的充满判断。

进一步的，所述步骤S11具体包括：

步骤S111 上位机给整机控制板和模块控制板发送握手关机命令;

步骤S112 延时一段时间，发放电命令,关机命令;

步骤S113 将步骤S112重复执行3次，去掉浮充效果，测量电池开路电压V1；

步骤S114 延时一段时间，发放电命令，再延时一段时间，测量电池放电时的电压V2，R=(V2-V1)/70；

步骤S115 查R与电量的对应关系表得出电量。

进一步的，所述步骤S12具体包括：

步骤S121 充电过程中每200ms同时采集20节航空蓄电池单体电池电压和电池组中心温度，得到20组单体电压V1，电压精度为0.001V，温度精度为0.1度，通过软件数字滤波去除噪声异常点，对每节单体电池连续记录的10个电压V1采样值去掉最高和最低的3个电压点，对剩下的4个点进行加权平均得到加权平均电压V2,使用V2绘制实时电压曲线；

步骤S122 重复步骤S121，得到加权平均电压V3，比较V3与V2，如果V3小于V2,充电下降判断计数Vcount加1，如果Vcount连续加到5，截取这段实时曲线作为深度学习输入曲线样本；

步骤S123 确定输入层和输出层神经元，将以上过程得到的实时曲线作为深度学习输入层，将标准曲线库作为输出层；

步骤S124 确定激活函数、神经网络隐含层层数和隐含层神经元数，建立神经网络；