一種電池容量的估算方法、電子設(shè)備及可讀存儲(chǔ)介質(zhì)

一種電池容量的估算方法、電子設(shè)備及可讀存儲(chǔ)介質(zhì)

1.本技術(shù)屬于電池狀態(tài)評(píng)估技術(shù)領(lǐng)域，尤其涉及一種電池容量的估算方法、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。


背景技術(shù)：

2.電池容量是確定電池健康狀態(tài)以及剩余使用壽命的重要指標(biāo)，其直接影響電池的可靠性和安全性。因此，對(duì)電池容量進(jìn)行準(zhǔn)確估算變得尤為重要。
3.目前，通常采用電池容量估計(jì)模型對(duì)待測(cè)電池進(jìn)行容量估算。電池容量估計(jì)模型是使用樣本電池在循環(huán)滿充滿放(即電池剩余電量百分比(state of charge，soc)從100％放電到0％，再?gòu)?％充電到100％的過(guò)程)的實(shí)驗(yàn)條件下獲得的充放電數(shù)據(jù)訓(xùn)練得到的。但是在實(shí)際使用中，電池一般不會(huì)被用到電量完全耗盡，即soc為0％時(shí)才進(jìn)行充電。大多數(shù)情況是當(dāng)電池的soc處于10％-20％時(shí)開始對(duì)其充電，直至電池的soc處于80％-100％結(jié)束，整個(gè)充電過(guò)程具有較強(qiáng)的隨機(jī)性。因此，針對(duì)實(shí)際使用過(guò)程中的充放電數(shù)據(jù)，采用該種電池容量估算模型所估算出的電池容量的準(zhǔn)確度較低。


技術(shù)實(shí)現(xiàn)要素：

4.有鑒于此，本技術(shù)實(shí)施例提供了一種電池容量的估算方法、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，以解決現(xiàn)有技術(shù)對(duì)電池容量的估算準(zhǔn)確度較低的問(wèn)題。
5.本技術(shù)實(shí)施例的第一方面提供了一種電池容量的估算方法，該方法包括：獲取待測(cè)電池在目標(biāo)電壓片段內(nèi)的充電數(shù)據(jù)，充電數(shù)據(jù)對(duì)應(yīng)的多個(gè)健康指標(biāo)與電池容量相關(guān)性的總和在各個(gè)電壓片段中最高；確定充電數(shù)據(jù)的多個(gè)健康指標(biāo)；將多個(gè)健康指標(biāo)輸入至已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，得到待測(cè)電池的電池容量，神經(jīng)網(wǎng)絡(luò)模型是通過(guò)訓(xùn)練樣本訓(xùn)練得到的，訓(xùn)練樣本用于表征電池容量和多個(gè)健康指標(biāo)之間的對(duì)應(yīng)關(guān)系。
6.結(jié)合第一方面，在第一方面的第一種可能實(shí)現(xiàn)方式中，多個(gè)健康指標(biāo)包括m個(gè)數(shù)據(jù)域健康指標(biāo)和n個(gè)模型域健康指標(biāo)，m+n≥2，m≥0，n≥0；數(shù)據(jù)域健康指標(biāo)包括片段容量、容量增量分析ica曲線峰值、ica曲線峰值對(duì)應(yīng)的電壓、充電時(shí)間和單位時(shí)間內(nèi)電壓升中的至少一個(gè)；模型域健康指標(biāo)包括歐姆內(nèi)阻、極化內(nèi)阻、極化電容和時(shí)間常數(shù)中的至少一個(gè)。
7.結(jié)合第一方面，在第一方面的第二種可能實(shí)現(xiàn)方式中，訓(xùn)練樣本包括原始電池樣本和虛擬電池樣本，虛擬電池樣本是根據(jù)原始電池樣本生成的，原始電池樣本對(duì)應(yīng)的原始電池與待測(cè)電池為同類型電池。
8.結(jié)合第一方面，在第一方面的第三種可能實(shí)現(xiàn)方式中，虛擬電池樣本是通過(guò)以下方式生成的：獲取原始電池的實(shí)際老化數(shù)據(jù)，實(shí)際老化數(shù)據(jù)包括原始電池的電池容量由100％衰減至0％的整個(gè)過(guò)程中，各個(gè)循環(huán)充放電過(guò)程對(duì)應(yīng)的時(shí)間、電壓和電流的變化數(shù)據(jù)；根據(jù)實(shí)際老化數(shù)據(jù)和多個(gè)健康指標(biāo)類型，確定目標(biāo)電壓片段；根據(jù)目標(biāo)電壓片段內(nèi)的充電數(shù)據(jù)，生成原始電池樣本；對(duì)原始電池樣本中的電池容量以及每個(gè)健康指標(biāo)進(jìn)行數(shù)據(jù)擴(kuò)展，生成虛擬電池樣本。
9.結(jié)合第一方面，在第一方面的第四種可能實(shí)現(xiàn)方式中，根據(jù)實(shí)際老化數(shù)據(jù)和多個(gè)健康指標(biāo)類型，確定目標(biāo)電壓片段，包括：根據(jù)實(shí)際老化數(shù)據(jù)，確定多個(gè)電壓片段；其中，在每個(gè)循環(huán)充放電過(guò)程中，每個(gè)電壓片段均有對(duì)應(yīng)的電壓片段數(shù)據(jù)；根據(jù)約束條件對(duì)各個(gè)電壓片段數(shù)據(jù)進(jìn)行篩選；r為電壓片段寬度，起始soc小于等于終點(diǎn)soc；確定每一個(gè)電壓片段內(nèi)，篩選后的各個(gè)電壓片段數(shù)據(jù)的f值，其中，ri為電壓片段數(shù)據(jù)的第i個(gè)健康指標(biāo)與電池容量的相關(guān)性的得分；將最大的f值對(duì)應(yīng)的電壓片段確定為目標(biāo)電壓片段。
10.結(jié)合第一方面，在第一方面的第五種可能實(shí)現(xiàn)方式中，對(duì)原始電池樣本中的電池容量以及每個(gè)健康指標(biāo)進(jìn)行數(shù)據(jù)擴(kuò)展，生成虛擬電池樣本，包括：確定原始電池樣本中電池容量以及每個(gè)健康指標(biāo)的特征數(shù)據(jù)中心、左偏度、右偏度和方差；根據(jù)特征數(shù)據(jù)中心、左偏度、右偏度和方差，確定電池容量以及每個(gè)健康指標(biāo)的擴(kuò)展上界和擴(kuò)展下界；根據(jù)電池容量以及每個(gè)健康指標(biāo)的擴(kuò)展上界和擴(kuò)展下界，對(duì)電池容量以及每個(gè)健康指標(biāo)進(jìn)行數(shù)據(jù)擴(kuò)展，生成滿足預(yù)設(shè)條件的虛擬電池樣本。
11.結(jié)合第一方面，在第一方面的第六種可能實(shí)現(xiàn)方式中，神經(jīng)網(wǎng)絡(luò)模型為長(zhǎng)短期記憶lstm神經(jīng)網(wǎng)絡(luò)模型。
12.結(jié)合第一方面，在第一方面的第七種可能實(shí)現(xiàn)方式中，lstm神經(jīng)網(wǎng)絡(luò)模型包括層數(shù)為2，隱藏節(jié)點(diǎn)數(shù)為128，時(shí)間步長(zhǎng)為5的lstm神經(jīng)網(wǎng)絡(luò)。
13.本技術(shù)實(shí)施例的第二方面提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如第一方面任一項(xiàng)所述方法的步驟。
14.本技術(shù)實(shí)施例的第三方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面任一項(xiàng)所述方法的步驟。
15.本技術(shù)實(shí)施例與現(xiàn)有技術(shù)相比存在的有益效果是：本實(shí)施例提供一種電池容量的估算方法、設(shè)備及可讀存儲(chǔ)介質(zhì)，該方法以待測(cè)電池在目標(biāo)電壓片段內(nèi)的充電數(shù)據(jù)，通過(guò)已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行處理，得到待測(cè)電池的電池容量。本實(shí)施例中用于估算的充電數(shù)據(jù)是，多個(gè)健康指標(biāo)與電池容量相關(guān)性的總和在各個(gè)電壓片段中最高的充電數(shù)據(jù)，因此，通過(guò)該充電數(shù)據(jù)所估算出的待測(cè)電池的電池容量準(zhǔn)確度較高，且估算方法中所需的數(shù)據(jù)少，能夠提高了電池容量的估計(jì)效率。同時(shí)，本實(shí)施例中提供的神經(jīng)網(wǎng)絡(luò)模型是通過(guò)電池容量和多個(gè)健康指標(biāo)進(jìn)行訓(xùn)練得到的，而非固定單一的健康指標(biāo)，因此，模型的準(zhǔn)確度更高。
附圖說(shuō)明
16.為了更清楚地說(shuō)明本技術(shù)實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本技術(shù)的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
17.圖1是本技術(shù)的一個(gè)實(shí)施例提供的神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法的流程示意圖；
18.圖2是本技術(shù)實(shí)施例提供的原始電池的一階rc等效電路模型示意圖；
19.圖3是本技術(shù)實(shí)施例提供的md-mtd算法擴(kuò)展數(shù)據(jù)上下界范圍的示意圖；
20.圖4是本技術(shù)實(shí)施例提供的虛擬電池樣本生成流程示意圖；
21.圖5是本技術(shù)實(shí)施例提供的容量衰減曲線的虛擬老化數(shù)據(jù)的生成結(jié)果示意圖；
22.圖6是本技術(shù)實(shí)施例提供的通過(guò)原始電池生成虛擬電池樣本的示意圖；
23.圖7是本技術(shù)實(shí)施例提供的電池容量的估算方法的流程示意圖；
24.圖8是本技術(shù)實(shí)施例提供的采用已訓(xùn)練的lstm神經(jīng)網(wǎng)絡(luò)模型對(duì)cs2-36電池容量的估計(jì)結(jié)果示意圖；
25.圖9是本技術(shù)實(shí)施例提供的采用已訓(xùn)練的lstm神經(jīng)網(wǎng)絡(luò)模型對(duì)cs2-37電池容量的估計(jì)結(jié)果示意圖；
26.圖10是本技術(shù)一實(shí)施例提供的電子設(shè)備的示意圖。
具體實(shí)施方式
27.以下描述中，為了說(shuō)明而不是為了限定，提出了諸如特定系統(tǒng)結(jié)構(gòu)、技術(shù)之類的具體細(xì)節(jié)，以便透徹理解本技術(shù)實(shí)施例。然而，本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)清楚，在沒(méi)有這些具體細(xì)節(jié)的其它實(shí)施例中也可以實(shí)現(xiàn)本技術(shù)。在其它情況中，省略對(duì)眾所周知的系統(tǒng)、裝置、電路以及方法的詳細(xì)說(shuō)明，以免不必要的細(xì)節(jié)妨礙本技術(shù)的描述。
28.以下結(jié)合具體的實(shí)施例對(duì)本技術(shù)提供的技術(shù)方案進(jìn)行詳細(xì)的解釋說(shuō)明。
29.為了解決傳統(tǒng)電池容量估算方法中存在的估算結(jié)果準(zhǔn)確度較低的問(wèn)題，本技術(shù)實(shí)施例提供了一種電池容量的估算方法，該方法通過(guò)已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)待測(cè)電池在目標(biāo)電壓片段內(nèi)的充電數(shù)據(jù)進(jìn)行處理，得到待測(cè)電池的電池容量。通過(guò)本實(shí)施例中提供的方法能夠提高電池容量估算結(jié)果的準(zhǔn)確度。
30.圖1為本技術(shù)的一個(gè)實(shí)施例提供的神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法的流程示意圖。參見圖1所示，該方法包括以下步驟s101-s104。
31.s101、電子設(shè)備獲取原始電池的實(shí)際老化數(shù)據(jù)，其中，原始電池與待測(cè)電池為同類型電池。
32.在本實(shí)施例中，同類型電池是指電池型號(hào)以及工況均相同的電池，例如美國(guó)馬里蘭大學(xué)公開的鋰電池老化數(shù)據(jù)集(center for advanced life cycle engineering，calce)中型號(hào)分別為cs2-35、cs2-36、cs2-37的三塊電池即為同類型電池。
33.在一些實(shí)施例中，原始電池的實(shí)際老化數(shù)據(jù)，是通過(guò)對(duì)原始電池進(jìn)行完整的老化周期實(shí)驗(yàn)所得到的。原始電池的完整的老化周期實(shí)驗(yàn)是對(duì)原始電池進(jìn)行循環(huán)充放電(例如循環(huán)10000次)，使原始電池的電池容量(state of health，soh)從100％衰減至0％的過(guò)程，并在該過(guò)程中記錄時(shí)間以及soh衰減過(guò)程中的電壓和電流。基于此，實(shí)際老化數(shù)據(jù)包括原始電池的電池容量soh由100％衰減至0％的整個(gè)過(guò)程中，各個(gè)循環(huán)充放電過(guò)程對(duì)應(yīng)的時(shí)間、電壓和電流的變化數(shù)據(jù)。
34.s102、電子設(shè)備確定實(shí)際老化數(shù)據(jù)中，各個(gè)循環(huán)充放電過(guò)程中各個(gè)電壓片段對(duì)應(yīng)的健康指標(biāo)。
35.健康指標(biāo)(health factors，hf)是指影響電池容量衰減的指標(biāo)因素。例如，電池在
某一soc區(qū)間(如20％-80％)內(nèi)充入的電量值；或者電池在完成對(duì)某一soc區(qū)間充電時(shí)所需要的充電時(shí)間。
36.為了充分反應(yīng)電池容量的衰減規(guī)律，增強(qiáng)所構(gòu)建模型的可靠性，本實(shí)施例中分別從數(shù)據(jù)域和模型域提取與電池容量相關(guān)性較高的多個(gè)hf。本實(shí)施例中，多個(gè)hf包括m個(gè)數(shù)據(jù)域hf和n個(gè)模型域hf，其中，m+n≥2，m≥0，n≥0。具體的，數(shù)據(jù)域hf包括片段容量、容量增量分析(incrementalcapacityanalysis，ica)曲線峰值、ica曲線峰值對(duì)應(yīng)的電壓、充電時(shí)間和單位時(shí)間內(nèi)電壓升中的至少一個(gè)；模型域hf包括歐姆內(nèi)阻、極化內(nèi)阻、極化電容和時(shí)間常數(shù)中的至少一個(gè)。各個(gè)hf的具體定義參見下表1中所示。
37.表1健康指標(biāo)hf及其定義
[0038][0039]
在本技術(shù)的一個(gè)示例中，以數(shù)據(jù)域hf中的每一個(gè)hf和模型域hf中的每一個(gè)hf作為指標(biāo)因素對(duì)模型進(jìn)行訓(xùn)練，以提高所訓(xùn)練模型的估算準(zhǔn)確度。
[0040]
基于上述內(nèi)容，電子設(shè)備在確定各個(gè)電壓區(qū)對(duì)應(yīng)的健康指標(biāo)的數(shù)值時(shí)，首先，根據(jù)所述實(shí)際老化數(shù)據(jù)，確定多個(gè)電壓片段；其中，在每個(gè)充放電循環(huán)中，每個(gè)電壓片段均有對(duì)應(yīng)的電壓片段數(shù)據(jù)。每個(gè)電壓片段對(duì)應(yīng)的電壓片段數(shù)據(jù)中均包括該電壓片段內(nèi)的時(shí)間、電流和電壓數(shù)據(jù)。然后，根據(jù)該電壓片段數(shù)據(jù)確定不同循環(huán)充放電過(guò)程中各個(gè)電壓片段對(duì)應(yīng)的健康指標(biāo)。在本實(shí)施例中，各個(gè)電壓片段對(duì)應(yīng)的健康指標(biāo)是通過(guò)對(duì)該電壓片段內(nèi)的時(shí)間、電流和電壓數(shù)據(jù)進(jìn)行計(jì)算所得出的。其中，數(shù)據(jù)域hf來(lái)源于原始電池的恒流充電階段所產(chǎn)生的相關(guān)數(shù)據(jù)；模型域hf是基于原始電池的一階rc等效電路模型，通過(guò)最小二乘法參數(shù)辨識(shí)獲得的相關(guān)數(shù)據(jù)，原始電池的一階rc等效電路模型參見圖2中所示。
[0041]
應(yīng)理解，電池的整個(gè)充電過(guò)程分為兩個(gè)階段。第一個(gè)階段是恒流充電階段，即在該階段中，是以一個(gè)恒定的充電電流(通常情況下為1c)對(duì)電池進(jìn)行充電。例如，若電池的電池容量是2安時(shí)(2ah)，則1c指以2a的電流給電池充電。在恒流充電階段，電池的充電電壓是變化的，且通過(guò)用于監(jiān)測(cè)電池充電過(guò)程中的電壓和電流的傳感器進(jìn)行監(jiān)測(cè)。當(dāng)傳感器監(jiān)測(cè)到
電池充電到上截止電壓(例如，對(duì)于單個(gè)的鋰離子電池來(lái)說(shuō)，上截止電壓一般為4.2v)時(shí)，電池開始轉(zhuǎn)化為第二個(gè)階段，即恒壓充電階段。在第二個(gè)階段中，是以恒壓4.2v對(duì)電池進(jìn)行充電，在該階段中電池充電電流是變化的，傳感器開始監(jiān)測(cè)充電電流，當(dāng)充電電流小于0.02或者0.05時(shí)，則認(rèn)為充電結(jié)束。本實(shí)施例中所選取的數(shù)據(jù)域hf是根據(jù)電池充電的恒流階段(也就是上述第一階段)中所產(chǎn)生的相關(guān)數(shù)據(jù)確定的。
[0042]
需要說(shuō)明的是，傳統(tǒng)電池(例如鋰離子電池)在使用過(guò)程中，電池容量會(huì)隨著使用時(shí)間的推移而不斷下降，表征電池容量衰減的影響因素hf的選擇是電池容量估計(jì)的重要基礎(chǔ)，顯著影響估計(jì)效果。因此，為了盡可能充分的表達(dá)電池老化過(guò)程，本實(shí)施例中分別從數(shù)據(jù)域和模型域獲取hf，并通過(guò)數(shù)據(jù)域hf和模型域hf的聯(lián)合運(yùn)用，豐富了hf的構(gòu)成，相對(duì)于傳統(tǒng)電池容量估計(jì)模型中選取恒流充電階段的固定soc區(qū)間(例如soc在20％-80％)內(nèi)充入的電量值作為單個(gè)健康指標(biāo)hf，實(shí)現(xiàn)電池容量估計(jì)的方法，減少了單個(gè)健康指標(biāo)hf失效時(shí)估算結(jié)果無(wú)效的可能性，提高了模型的可靠性。
[0043]
s103、電子設(shè)備根據(jù)各個(gè)循環(huán)充放電過(guò)程中各個(gè)電壓片段對(duì)應(yīng)的健康指標(biāo)，確定最優(yōu)電壓片段。
[0044]
最優(yōu)電壓片段(也可稱作目標(biāo)電壓片段)是指hf中每種類型的健康指標(biāo)，與電池容量相關(guān)性最高的電壓片段范圍。應(yīng)理解，在傳統(tǒng)電池容量估計(jì)模型選取固定電壓片段內(nèi)ica曲線峰值作為單個(gè)健康指標(biāo)hf，實(shí)現(xiàn)電池容量估計(jì)的方法中，一般情況下，ica曲線峰值會(huì)落到一個(gè)特定的電壓片段(例如3.9v-4.1v)內(nèi)，而該特定的電壓片段很有可能與所選取的固定電壓片段不一致，或者所選取的固定電壓不包含該ica曲線峰值，從而導(dǎo)致基于該模型的電池容量估算結(jié)果準(zhǔn)確度較低。而對(duì)于每一個(gè)hf來(lái)說(shuō)，都有其對(duì)應(yīng)的和電池容量相關(guān)性最大的電壓片段范圍。本實(shí)施例中所提出的最優(yōu)電壓片段則是能夠充分表達(dá)每一個(gè)hf與電池容量的相關(guān)性的電壓片段范圍。
[0045]
為了更好的建立片段數(shù)據(jù)與電池容量之間的映射關(guān)系，需要盡可能提高片段數(shù)據(jù)上hf與完整電池容量的相關(guān)性，因此，本實(shí)施例中構(gòu)建基于hf的優(yōu)化目標(biāo)函數(shù)，同時(shí)根據(jù)電池日常充電使用的實(shí)際情況，構(gòu)建約束條件，并利用量子粒子優(yōu)化算法(quantum particle swarm optimization，qpso)，獲得最優(yōu)電壓范圍。通常情況下，電池的充電過(guò)程具有隨機(jī)性，例如鋰離子電池，一般是電池容量衰減到soc約為5％-15％時(shí)對(duì)電池進(jìn)行充電，當(dāng)soc約為80％-100％時(shí)，停止充電。所以，在選擇最優(yōu)電壓片段時(shí)，不僅需要考慮電池hf在該區(qū)間上的表達(dá)情況，還應(yīng)該考慮電池實(shí)際使用過(guò)程中的soc變化范圍。此外，選區(qū)的電壓片段的寬度也是需要考慮的問(wèn)題，電壓片段的寬度過(guò)寬，實(shí)際充電時(shí)能覆蓋到最優(yōu)區(qū)間的可能性會(huì)降低，同時(shí)電壓片段的寬度過(guò)窄，會(huì)導(dǎo)致數(shù)據(jù)量變少，導(dǎo)致hf難以充分表達(dá)。因此，本實(shí)施例中在建立優(yōu)化目標(biāo)函數(shù)時(shí)，不僅考慮了hf的表達(dá)情況，也綜合考慮了電池實(shí)際使用過(guò)程中soc的變化范圍以及電壓片段寬度的合理性，從而實(shí)現(xiàn)通過(guò)片段數(shù)據(jù)對(duì)電池容量的準(zhǔn)確估計(jì)。基于上述條件，本實(shí)施例中的目標(biāo)函數(shù)及約束條件如下式所示：
[0046]
[0047]
式中，f為各個(gè)hf在某一電壓片段內(nèi)相關(guān)性的總和，即9個(gè)hf在某一電壓片段上的總得分，ri為第i個(gè)hf與電池容量的相關(guān)性的得分，r為電壓片段寬度，起始soc小于等于終點(diǎn)soc。其中，ri是通過(guò)qpso算法對(duì)hf與電池容量的相關(guān)性進(jìn)行計(jì)算得到的。
[0048]
在本實(shí)施例中，電子設(shè)備通過(guò)qpso算法，基于原始電池的實(shí)際老化數(shù)據(jù)，隨機(jī)生成一系列電壓片段，每個(gè)電壓片段內(nèi)均包括對(duì)應(yīng)的時(shí)間、電流和電壓數(shù)據(jù)。然后通過(guò)該qpso算法在隨機(jī)生成的一系列電壓片段內(nèi)，基于上述公式中的約束條件篩選符合該約束條件的目標(biāo)電壓片段，然后計(jì)算該目標(biāo)電壓片段中每一個(gè)目標(biāo)電壓片段的f值，并基于上述公式中的目標(biāo)函數(shù)將f值最大的目標(biāo)電壓片段作為最優(yōu)電壓片段。電子設(shè)備通過(guò)qpso算法計(jì)算最優(yōu)電壓片段時(shí)，是在每一個(gè)電壓片段內(nèi)判斷soc的變化范圍以及電壓片段寬度是否符合所設(shè)定的約束條件，如果符合則計(jì)算目標(biāo)函數(shù)中的f值，如果不符合則不計(jì)算目標(biāo)函數(shù)中的f值。
[0049]
在一個(gè)示例中，通過(guò)上述方法對(duì)calce中型號(hào)分別為cs2-35、cs2-36、cs2-37的三塊電池進(jìn)行最優(yōu)電壓片段的選擇后，得到該種類型的電池的最優(yōu)電壓片段為3.91v-4.13v。
[0050]
電池在實(shí)際使用的過(guò)程中，大多數(shù)情況下是當(dāng)電池的soc處于10％-20％時(shí)開始對(duì)其充電，直至電池的soc處于80％-100％結(jié)束?？梢姡姵氐某潆娺^(guò)程具有一定的隨機(jī)性，傳統(tǒng)的基于片段數(shù)據(jù)電池容量估計(jì)方法大多是以包括起始點(diǎn)或終點(diǎn)的固定電壓片段，而沒(méi)有考慮不同電池在不同電壓片段內(nèi)hf的表達(dá)情況，容易造成由于hf無(wú)法充分表達(dá)而導(dǎo)致的估計(jì)精度下降。本實(shí)施例中提出的方法綜合考慮了hf在最優(yōu)電壓片段上的表達(dá)情況及電池實(shí)際的使用過(guò)程，并以此作為目標(biāo)函數(shù)和限制條件，利用qpso算法篩選最優(yōu)電壓片段，從而提高h(yuǎn)f的表達(dá)能力，提高估計(jì)精度。
[0051]
s104、電子設(shè)備根據(jù)最優(yōu)電壓片段內(nèi)的充電數(shù)據(jù)，生成原始電池樣本。
[0052]
原始電池樣本用于表征在原始電池的實(shí)際老化數(shù)據(jù)中，電池容量和多個(gè)健康指標(biāo)之間的對(duì)應(yīng)關(guān)系。
[0053]
在本實(shí)施例中，電子設(shè)備根據(jù)實(shí)際老化數(shù)據(jù)，通過(guò)安時(shí)積分法計(jì)算原始電池的電池容量，并提取實(shí)際老化數(shù)據(jù)中在最優(yōu)電壓片段內(nèi)的充電數(shù)據(jù)所對(duì)應(yīng)的健康指標(biāo)。
[0054]
s105、電子設(shè)備對(duì)原始電池樣本中的電池容量以及每個(gè)健康指標(biāo)進(jìn)行數(shù)據(jù)擴(kuò)展，生成虛擬電池樣本。
[0055]
虛擬電池樣本用于表征在虛擬電池的虛擬老化數(shù)據(jù)中，電池容量和多個(gè)健康指標(biāo)之間的對(duì)應(yīng)關(guān)系。
[0056]
在本實(shí)施例中，電子設(shè)備基于原始電池的電池容量和最優(yōu)電壓片段上提取出的hf，利用多分布整體趨勢(shì)擴(kuò)散技術(shù)算法(multi-distribution mega-trend-diffusion，md-mtd)，擴(kuò)展數(shù)據(jù)范圍，并采用qpso優(yōu)化算法，在擴(kuò)展的數(shù)據(jù)范圍內(nèi)生成隨機(jī)數(shù)據(jù)。圖3為本實(shí)施例提供的md-mtd算法擴(kuò)展數(shù)據(jù)上下界范圍的示意圖，其中的數(shù)據(jù)擴(kuò)展參數(shù)以及計(jì)算方法參見下表2中所示。
[0057]
表2數(shù)據(jù)擴(kuò)展參數(shù)以及計(jì)算方法
[0058][0059]
圖4本實(shí)施例提供的虛擬電池樣本生成流程示意圖。參見圖4所示，該方法包括以下步驟：電子設(shè)備確定原始電池樣本中電池容量以及每個(gè)健康指標(biāo)的特征數(shù)據(jù)中心、左偏度、右偏度和方差(s401)。電子設(shè)備根據(jù)特征數(shù)據(jù)中心、左偏度、右偏度和方差，采用md-mtd算法計(jì)算電池容量以及每個(gè)健康指標(biāo)的擴(kuò)展上界和擴(kuò)展下界(s402)。進(jìn)而電子設(shè)備根據(jù)電池容量以及每個(gè)健康指標(biāo)的擴(kuò)展上界和擴(kuò)展下界，采用qpso優(yōu)化算法，對(duì)電池容量以及每個(gè)健康指標(biāo)的數(shù)據(jù)進(jìn)行擴(kuò)展，生成滿足預(yù)設(shè)條件的多組虛擬老化數(shù)據(jù)(s403)，其中，預(yù)設(shè)條件包括：生成的虛擬老化數(shù)據(jù)與原始電池的電池容量和健康指標(biāo)數(shù)據(jù)的平均絕對(duì)誤差(mape)小于0.01。最后，電子設(shè)備將多組虛擬老化數(shù)據(jù)中，電池容量以及對(duì)應(yīng)的各個(gè)hf的虛擬老化數(shù)據(jù)組合為一個(gè)虛擬電池樣本，生成若干組虛擬電池樣本(s404)。
[0060]
示例性的，以圖5中容量衰減曲線的虛擬老化數(shù)據(jù)的生成過(guò)程為例，通過(guò)上述虛擬電池樣本生成流程所得到的是容量衰減的一條虛擬曲線。通過(guò)同樣的方式，可以生成9個(gè)hf各自的虛擬曲線，然后將9個(gè)hf各自的虛擬曲線一一對(duì)應(yīng)進(jìn)行組合，生成一個(gè)虛擬電池樣本。
[0061]
為了盡可能提高所訓(xùn)練的模型的泛化能力，并同時(shí)考慮到電子設(shè)備的運(yùn)算開銷，采用上述同樣的方式得到預(yù)設(shè)數(shù)量的虛擬電池樣本(例如，預(yù)設(shè)數(shù)量為50)。參見圖6所示，為本實(shí)施例中通過(guò)原始電池?cái)?shù)據(jù)生成虛擬電池樣本示意圖。
[0062]
由于電池容量衰減實(shí)驗(yàn)耗時(shí)長(zhǎng)、對(duì)環(huán)境要求高，因此可用于實(shí)驗(yàn)的電池樣本數(shù)量較少，導(dǎo)致估計(jì)模型的泛化能力較弱。本實(shí)施例中，為了解決電池樣本量較少的問(wèn)題，本專利采用多分布整體趨勢(shì)擴(kuò)散技術(shù)(md-mtd)對(duì)數(shù)據(jù)的上下界進(jìn)行擴(kuò)展，并利用qpso算法，尋符合要求的虛擬樣本數(shù)據(jù)，從而增加可用于模型訓(xùn)練的樣本數(shù)量，增強(qiáng)模型的泛化能力。
[0063]
s106、電子設(shè)備基于訓(xùn)練樣本對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，其中，訓(xùn)練樣本包括原始電池樣本和虛擬電池樣本。
[0064]
在本實(shí)施例中，神經(jīng)網(wǎng)絡(luò)模型可以為長(zhǎng)短期記憶(long short-term memory，lstm)神經(jīng)網(wǎng)絡(luò)模型。其中，lstm神經(jīng)網(wǎng)絡(luò)模型可以基于不同的網(wǎng)絡(luò)層數(shù)、隱藏節(jié)點(diǎn)數(shù)以及
時(shí)間步長(zhǎng)得到不同的基本架構(gòu)。
[0065]
在一些實(shí)施例中，lstm神經(jīng)網(wǎng)絡(luò)模型的基本架構(gòu)可以為層數(shù)為2，隱藏節(jié)點(diǎn)數(shù)為128，時(shí)間步長(zhǎng)為5的lstm神經(jīng)網(wǎng)絡(luò)模型。
[0066]
電子設(shè)備將原始電池的原始電池樣本和生成的虛擬電池的虛擬電池樣本作為訓(xùn)練集，構(gòu)建最優(yōu)電壓片段數(shù)據(jù)內(nèi)的hf與電池容量之間的映射模型。
[0067]
基于通過(guò)上述方法得到的lstm神經(jīng)網(wǎng)絡(luò)模型，本實(shí)施例中提供了一種電池容量的估算方法，應(yīng)用于電子設(shè)備。參見圖7所示，包括以下步驟s701-s702。
[0068]
s701、電子設(shè)備獲取待測(cè)電池在最優(yōu)電壓片段內(nèi)的充電數(shù)據(jù)，其中，充電數(shù)據(jù)對(duì)應(yīng)的多個(gè)健康指標(biāo)與電池容量相關(guān)性的總和在各個(gè)電壓片段中最高。
[0069]
在本實(shí)施例中，待測(cè)電池在最優(yōu)電壓片段內(nèi)的片段數(shù)據(jù)包括待測(cè)電池在恒流充電階段中，在最優(yōu)電壓片段內(nèi)所生成的時(shí)間、電流和電壓數(shù)據(jù)。
[0070]
示例性的，若用于訓(xùn)練lstm神經(jīng)網(wǎng)絡(luò)模型的原始電池為calce中型號(hào)為cs2-35的電池，經(jīng)過(guò)一系列計(jì)算后得出該類型電池的最優(yōu)電壓片段為3.91v-4.13v，那么在檢測(cè)同類型電池cs2-36或cs2-37的電池容量時(shí)，所選取的片段數(shù)據(jù)則為待測(cè)電池cs2-36或cs2-37在3.91v-4.13v電壓范圍內(nèi)所生成的時(shí)間、電流和電壓數(shù)據(jù)。
[0071]
下表2為calce類型電池在最優(yōu)電壓片段內(nèi)，部分?jǐn)?shù)據(jù)的計(jì)算結(jié)果。參見表2中所示，最優(yōu)電壓電壓片段3.91v-4.13v表示同類型的cs2-35、cs2-36、cs2-37三塊電池所計(jì)算出的最優(yōu)電壓范圍，在該最優(yōu)電壓范圍內(nèi)，每種類型的hf與電池容量的相關(guān)性總和的得分最高。起始soc以及終點(diǎn)soc滿足預(yù)設(shè)的約束條件。片段充電時(shí)間平均占完整充電時(shí)間比例，則表示在提取數(shù)據(jù)時(shí)，采用在最優(yōu)電壓片段內(nèi)充電所用的時(shí)長(zhǎng)相較于傳統(tǒng)技術(shù)中對(duì)電池進(jìn)行完整充電(即滿充滿放)所用的時(shí)長(zhǎng)的占比。例如，對(duì)待測(cè)電池進(jìn)行滿充滿放時(shí)所用的時(shí)長(zhǎng)為10h，而基于最優(yōu)電壓片段內(nèi)對(duì)電池充電所用的時(shí)長(zhǎng)可能為2.5h，大大節(jié)省了時(shí)間成本，提高了檢測(cè)效率。
[0072]
表2最優(yōu)電壓片段內(nèi)部分?jǐn)?shù)據(jù)的計(jì)算結(jié)果
[0073][0074][0075]
s702、電子設(shè)備確定充電數(shù)據(jù)的多個(gè)健康指標(biāo)。
[0076]
s703、電子設(shè)備將多個(gè)健康指標(biāo)輸入至已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，得到待測(cè)電池的電池容量，其中，神經(jīng)網(wǎng)絡(luò)模型是通過(guò)訓(xùn)練樣本訓(xùn)練得到的，訓(xùn)練樣本用于表征電池容量和多個(gè)健康指標(biāo)之間的對(duì)應(yīng)關(guān)系。
[0077]
在本實(shí)施例的一個(gè)示例中，采用calce電池老化數(shù)據(jù)集的其中三塊電池：cs2-35作為訓(xùn)練集、cs2-36和cs2-37作為測(cè)試集，對(duì)本技術(shù)實(shí)施例提供的方法進(jìn)行實(shí)施和驗(yàn)證。從cs2-35電池的最優(yōu)電壓片段中提取hf，并生成50組虛擬電池樣本作為訓(xùn)練集，訓(xùn)練lstm神經(jīng)網(wǎng)絡(luò)模型。并采用cs2-36和cs2-37作為測(cè)試集對(duì)已訓(xùn)練的lstm神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證。
[0078]
圖8為采用已訓(xùn)練的lstm神經(jīng)網(wǎng)絡(luò)模型對(duì)cs2-36電池容量的估計(jì)結(jié)果示意圖。參見圖8所示，圖8中左圖為無(wú)虛擬電池樣本時(shí)的估計(jì)結(jié)果，圖8中右圖為有虛擬電池樣本估計(jì)
結(jié)果。圖9為采用已訓(xùn)練的lstm神經(jīng)網(wǎng)絡(luò)模型對(duì)cs2-37電池容量的估計(jì)結(jié)果示意圖，參見圖9所示，圖9中左圖為無(wú)虛擬電池樣本估計(jì)結(jié)果，圖9中右圖為有虛擬電池樣本估計(jì)結(jié)果。其中，電池cs2-36和電池cs2-36在有無(wú)虛擬電池樣本時(shí)其均方根誤差(root mean square error，rmse)、平均絕對(duì)誤差(mean absolute percentage error，mape)以及平方差r2是通過(guò)以下公式計(jì)算得出的。
[0079][0080][0081][0082]
上式中，是估計(jì)容量，yi是實(shí)際電池容量，是實(shí)際電池容量的平均值，m是數(shù)據(jù)個(gè)數(shù)。
[0083]
表3有無(wú)虛擬電池樣本結(jié)果對(duì)比
[0084][0085]
表3為有無(wú)虛擬電池樣本的情況下，rmse、mape以及r2的計(jì)算結(jié)果。參見表3所示，加入虛擬電池樣本后，rmse、mape以及r2的數(shù)據(jù)變化表面估計(jì)結(jié)果的精度有了較大的改善，說(shuō)明了該方法的實(shí)用性。利用calce電池?cái)?shù)據(jù)集中的三塊電池對(duì)本文提出的方法進(jìn)行驗(yàn)證，測(cè)試集的平均rmse為1.64％。因此，本技術(shù)實(shí)施例提供的電池容量估計(jì)方法，可以準(zhǔn)確、快速的獲得電池的容量。
[0086]
在本實(shí)施例中，用于執(zhí)行l(wèi)stm神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法的電子設(shè)備與執(zhí)行電池容量的估算方法的電子設(shè)備可以是同一電子設(shè)備，也可以是不同的電子設(shè)備。
[0087]
應(yīng)理解，上述實(shí)施例中各步驟的序號(hào)的大小并不意味著執(zhí)行順序的先后，各過(guò)程的執(zhí)行順序應(yīng)以其功能和內(nèi)在邏輯確定，而不應(yīng)對(duì)本技術(shù)實(shí)施例的實(shí)施過(guò)程構(gòu)成任何限定。
[0088]
圖10是本技術(shù)一實(shí)施例提供的電子設(shè)備的示意圖。如圖10所示，該實(shí)施例的電子設(shè)備10包括：處理器100、存儲(chǔ)器101以及存儲(chǔ)在所述存儲(chǔ)器101中并可在所述處理器100上運(yùn)行的計(jì)算機(jī)程序102，例如電池容量的估算程序。所述處理器100執(zhí)行所述計(jì)算機(jī)程序102時(shí)實(shí)現(xiàn)上述各個(gè)電池容量的估算方法實(shí)施例中的步驟。或者，所述處理器100執(zhí)行所述計(jì)算機(jī)程序102時(shí)實(shí)現(xiàn)上述各裝置實(shí)施例中各模塊/單元的功能。
[0089]
示例性的，所述計(jì)算機(jī)程序102可以被分割成一個(gè)或多個(gè)模塊/單元，所述一個(gè)或者多個(gè)模塊/單元被存儲(chǔ)在所述存儲(chǔ)器101中，并由所述處理器100執(zhí)行，以完成本技術(shù)。所
述一個(gè)或多個(gè)模塊/單元可以是能夠完成特定功能的一系列計(jì)算機(jī)程序指令段，該指令段用于描述所述計(jì)算機(jī)程序102在所述電子設(shè)備10中的執(zhí)行過(guò)程。
[0090]
所述電子設(shè)備10可以是平板電腦、平板電腦、桌上型計(jì)算機(jī)、筆記本、掌上電腦及云端服務(wù)器等計(jì)算設(shè)備。所述電子設(shè)備可包括，但不僅限于，處理器100、存儲(chǔ)器101。本領(lǐng)域技術(shù)人員可以理解，圖10僅僅是電子設(shè)備10的示例，并不構(gòu)成對(duì)電子設(shè)備10的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件，例如所述電子設(shè)備還可以包括輸入輸出設(shè)備、網(wǎng)絡(luò)接入設(shè)備、總線等。
[0091]
所稱處理器100可以是中央處理單元(central processing unit，cpu)，還可以是其他通用處理器、數(shù)字信號(hào)處理器(digital signal processor，dsp)、專用集成電路(application specific integrated circuit，asic)、現(xiàn)場(chǎng)可編程門陣列(field-programmable gate array，fpga)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件等。通用處理器可以是微處理器或者該處理器也可以是任何常規(guī)的處理器等。
[0092]
所述存儲(chǔ)器101可以是所述電子設(shè)備10的內(nèi)部存儲(chǔ)單元，例如電子設(shè)備10的硬盤或內(nèi)存。所述存儲(chǔ)器101也可以是所述電子設(shè)備10的外部存儲(chǔ)設(shè)備，例如所述電子設(shè)備10上配備的插接式硬盤，智能存儲(chǔ)卡(smart media card,smc)，安全數(shù)字(secure digital,sd)卡，閃存卡(flash card)等。進(jìn)一步地，所述存儲(chǔ)器101還可以既包括所述電子設(shè)備10的內(nèi)部存儲(chǔ)單元也包括外部存儲(chǔ)設(shè)備。所述存儲(chǔ)器101用于存儲(chǔ)所述計(jì)算機(jī)程序以及所述電子設(shè)備所需的其他程序和數(shù)據(jù)。所述存儲(chǔ)器101還可以用于暫時(shí)地存儲(chǔ)已經(jīng)輸出或者將要輸出的數(shù)據(jù)。
[0093]
所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為了描述的方便和簡(jiǎn)潔，僅以上述各功能單元、模塊的劃分進(jìn)行舉例說(shuō)明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能單元、模塊完成，即將所述裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能單元或模塊，以完成以上描述的全部或者部分功能。實(shí)施例中的各功能單元、模塊可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中，上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。另外，各功能單元、模塊的具體名稱也只是為了便于相互區(qū)分，并不用于限制本技術(shù)的保護(hù)范圍。上述系統(tǒng)中單元、模塊的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。
[0094]
在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒(méi)有詳述或記載的部分，可以參見其它實(shí)施例的相關(guān)描述。
[0095]
本領(lǐng)域普通技術(shù)人員可以意識(shí)到，結(jié)合本文中所公開的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、或者計(jì)算機(jī)軟件和電子硬件的結(jié)合來(lái)實(shí)現(xiàn)。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本技術(shù)的范圍。
[0096]
在本技術(shù)所提供的實(shí)施例中，應(yīng)該理解到，所揭露的裝置/終端設(shè)備和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置/終端設(shè)備實(shí)施例僅僅是示意性的，例如，所述模塊或單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另
一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通訊連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通訊連接，可以是電性，機(jī)械或其它的形式。
[0097]
所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。
[0098]
另外，在本技術(shù)各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。
[0099]
所述集成的模塊/單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。基于這樣的理解，本技術(shù)實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，也可以通過(guò)計(jì)算機(jī)程序指令相關(guān)的硬件來(lái)完成，所述的計(jì)算機(jī)程序可存儲(chǔ)于一計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，該計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)，可實(shí)現(xiàn)上述各個(gè)方法實(shí)施例的步驟。其中，所述計(jì)算機(jī)程序包括計(jì)算機(jī)程序代碼，所述計(jì)算機(jī)程序代碼可以為源代碼形式、對(duì)象代碼形式、可執(zhí)行文件或某些中間形式等。所述計(jì)算機(jī)可讀介質(zhì)可以包括：能夠攜帶所述計(jì)算機(jī)程序代碼的任何實(shí)體或裝置、記錄介質(zhì)、u盤、移動(dòng)硬盤、磁碟、光盤、計(jì)算機(jī)存儲(chǔ)器、只讀存儲(chǔ)器(rom，read-only memory)、隨機(jī)存取存儲(chǔ)器(ram，random access memory)、電載波信號(hào)、電信信號(hào)以及軟件分發(fā)介質(zhì)等。需要說(shuō)明的是，所述計(jì)算機(jī)可讀介質(zhì)包含的內(nèi)容可以根據(jù)司法管轄區(qū)內(nèi)立法和專利實(shí)踐的要求進(jìn)行適當(dāng)?shù)脑鰷p，例如在某些司法管轄區(qū)，根據(jù)立法和專利實(shí)踐，計(jì)算機(jī)可讀介質(zhì)不包括是電載波信號(hào)和電信信號(hào)。
[0100]
以上所述實(shí)施例僅用以說(shuō)明本技術(shù)的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本技術(shù)進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本技術(shù)各實(shí)施例技術(shù)方案的精神和范圍，均應(yīng)包含在本技術(shù)的保護(hù)范圍之內(nèi)。