芝能智芯出品
fev 出了一些很好的介绍材料,内容介绍得比较细节,继续给大家把一些基本的内容整理出来,这次是《cloud connected bms》。
边缘端bms 和 云端电池 的复合电池管理架构使车辆和云端之间能够有效协同工作。车辆端的bms主要负责实时收集和短期存储所有数据,而云端电池则专注于长期存储车辆主要参数,从而在短期数据精度和长期数据广度之间取得了平衡,充分发挥了各自的优势。云端更注重长期规划和预测,而车辆端更注重短期分析和执行。
上传到数据后台的电池数据具有丰富的挖掘潜力,云端bms可以开发各种电池算法,包括但不限于故障诊断、寿命评估、预测、残值评估和充电策略优化等功能,为电池管理和车辆性能提升提供有力支持。
从特斯拉开始,汽车里面就开始导入了边缘计算的一些内容,正式分为了车载计算和云端/离车计算是两种不同的方法,各自拥有一系列优点和局限性。
1)车载计算:计算任务是在车辆内部进行的,优点之一是几乎即时可获得结果,因为处理时间非常短。这些结果可以显示给驾驶员,使其能够更好地了解车辆状况。决策可以立即采取,无论是由驾驶员还是由车辆上的算法来做出。
车载计算也存在一些缺点:处理能力相对较低,不能处理大规模数据。只支持因果处理,只能处理特定事件的结果,而无法进行更深入的分析。
2)离车/云端计算:计算任务被发送到车辆之外的计算资源上进行处理,通常是云计算服务器。
离车计算拥有非常强大的计算能力,可以处理大规模的数据集,并且可以获得专家的输入和支持。
离车计算也有其劣势。不能立即提供结果给驾驶员,因为需要将数据传输到外部服务器进行处理,然后再返回结果。即使使用无线电或移动服务,也可能存在一定的延迟,甚至可能出现服务不可用的问题。其次,为了进行离车计算,需要传输高带宽的数据,这些数据必须存储在车辆内部并在车间读取。
● 云端bms能做些什么?
soh algorithm and validation( state of health )
soh算法的确认和验证
可以电池机理出发,结合多年在电池领域的积累,融合大数据和ai能力,基于云端海量数据,提供电池全生命周期的故障预警和动态管理等服务。
机器学习和基于模型的电动汽车锂离子电池状态健康估计
◎ 所呈现的soh估算模型是一种半经验模型,充分利用了ecm和神经网络(nn)的优势。
◎ 这种方法的准确性取决于表征方法的准确性、训练数据的数量以及ecm模型的精度。
◎ 这项研究方法可以用于更大的数据集,并可以与其他方法进行比较。
软件系统架构
库存高企,价格承压,CMOS大厂们的2022年过得并不好
英飞凌与碳化硅供应商SK Siltron CSS达成协议
光纤与光电传感器区别是什么
iphone8什么时候上市?iphone8最新消息:iphone8外观确认,全面屏+隐藏式指纹设计,浓浓的苹果风扑鼻而来
模拟领域一切皆有可能
如何实现一种电动汽车云端电池管理系统设计?
采用MAX457构成的双路视频放大电路图
购买数据线真的很简单吗?小心别遇上这些坑
大联大品佳集团力推基于Infineon XMC1000系列单片机的数字电源解决方案
CST PCB电磁兼容怎样来解决
区块链安全体系建设的需求是什么
2017年的智能家电将更加智能?可能还要一段时间
FPGA开发:modelsim仿真流程及波形
具身智能,是机器人的“冷饭热炒”吗?
python串口接收数据
基于CSE7780芯片的智能电能表设计方案
激光设备领域或现大额并购
国际大学生超级计算机竞赛,清华夺ASC、ISC、SC三项超算比赛大满贯
CI24R1/SI24R1 2.4G无线传输技术-无线门铃
盘点曾经苹果引领行业潮流的那些产品