JPH09215207A5 - - Google Patents

Claims (14)

1. 放電／充電サイクルに依存して放電周期と交互に変わる充電周期を有する充電可能なバッテリに結合したバッテリの放電／充電サイクルを監視する監視システムであって、このシステムは、
   前記バッテリの放電／充電サイクルの放電周期の開始時に、第１パラメータと称される動作パラメータのバッチを収集するととにも、予め設定されたクリティカルな放電電圧のしきい値の値を入力部で受信するために配置され、かつ、前記バッテリがこの放電周期の終了に相当するこのクリティカルなしきい値に到達する瞬時の計算された予測表示を出力部に発生させるように配置した第１適応計算手段と、
   前記第１計算手段に結合し、開始瞬時、前記バッテリの放電周期の開始時、開始電圧と称される前記バッテリの電圧の値、この開始瞬時から開始する短い時間の経過後のこの開始電圧の変動の値、及び前記放電周期前に行われるこのバッテリの放電／充電サイクルの開始数の値を入力部で受信するように配置され、かつ、これら開始の値が利用できる前記放電周期の瞬時から近似パラメータのバッチ及び対応する訂正パラメータのバッチをそれぞれ出力部に発生させ、これらのパラメータを互いに加算して、前記第１計算手段に課される第１作動パラメータを形成する第２及び第３適応計算手段を具えることを特徴とする監視システム。
2. 前記バッテリの放電電圧測定及びこの測定に対応する現瞬時によってそれぞれ形成される瞬時の実数値のバッチを前記放電周期中に記録する読出し／書込み記憶区域と、計算器とを更に具え、
   前記システムにおいて、各放電／充電サイクルの放電周期に続く前記バッテリの充電周期中、
   前記第１計算手段を、帰納的に独立して計算するとともに、瞬時的な実数値のバッチが課される状況のこれら第１計算手段の作動に対応する実パラメータと称されるパラメータを発生させ、その間前記放電電圧測定を入力部に課するととともに対応する現瞬時を出力に課するためにも配置し、
   前記計算器を、前記放電周期中前記第２計算手段によって計算された前記近似パラメータを受信するとともに前記充電周期中前記第１計算手段によって計算された前記実パラメータを受信し、かつ、誤差パラメータと称されるこれらパラメータ間の差をそれぞれ発生させるように配置し、
   前記第３計算システムを、前記誤差パラメータをその出力部に課するとともに以前の放電周期の開始値をその入力部に課する状況でこれら第３計算システムの作動に対応する適応パラメータと称されるパラメータを独立して計算するように配置し、
   このシステムの第３計算手段は、次の放電／充電サイクルの後の放電周期の動作パラメータとして、前記充電周期で計算された適応パラメータを保管するようにしたことを特徴とする請求項１記載の監視システム。
3. 前記第１，第２及び第３計算手段を、第１、第２及び第３ニューラルネットワークによってそれぞれ形成し、前記作動パラメータを、前記第１ニューラルネットワークのシナプス係数とし、前記第１ニューラルネットワークは、電圧値用の入力セル及び時間値用の出力セルを有し、前記第２ニューラルネットワークは、前記開始値用の三つの入力セルと、前記第１ニューラルネットワークのシナプス係数と同様の量の近似パラメータ用の複数の出力セルとを有し、前記第３ニューラルネットワークは、前記開始値用の三つの入力セルと、前記第１ニューラルネットワークのシナプス係数と同様の量の訂正パラメータ用の複数の出力セルとを有し、
   前記計算器を、前記近似パラメータ及び訂正パラメータを受信するとともにこれらを互いに加算し、かつ、前記第１ニューラルネットワークに課された前記シナプス係数を発生させるように配置したことを特徴とする請求項１又は２記載の監視システム。
4. 前記第１計算手段を形成する第１ニューラルネットワークを、各放電／充電サイクルの放電周期に続く充電周期中、逆伝播法により、瞬時の実数値の各バッチに対して前記放電電圧の測定をその入力部に課するとともに対応する現瞬時をその出力部に課する状況で、それ自体の実シナプス係数とする実パラメータを計算するために配置し、
   前記計算器を、前記充電周期中前記第１ニューラルネットワークによって計算された前記シナプス係数と、前記以前の放電周期に対して前記第２ニューラルネットワークによって計算された前記近似パラメータとの間の各差によって形成した誤差パラメータを発生させるように配置し、
   前記第３計算手段を形成する前記第３ニューラルネットワークを、逆伝播法によって、前記誤差パラメータをその出力部に課するとともに前記以前の放電周期の開始値をその入力部に課する状況で、それ自体の適応シナプス係数とする適応パラメータを計算するように配置し、
   前記次の放電／充電サイクルの次の放電周期のこの第３ニューラルネットワークは、前記充電周期で計算されたこれら適応シナプス係数を維持するようにしたことを特徴とする請求項３記載の監視システム。
5. 前記計算器を、現瞬時の測定及び前記第１適応計算手段によって生じたクリティカルな瞬時の予測表示に基づいて、この現瞬時以前からバッテリが予め設定されたクリティカルな放電電圧のしきい値に到達するまで経過した時間の経過の予測表示を計算するとともに現瞬時ごとに発生させるようにも配置したことを特徴とする請求項１又は２記載の監視システム。
6. 前記計算器を、現瞬時の測定及び前記第１ニューラルネットワークによって生じたクリティカルな瞬時の予測表示に基づいて、この現瞬時以前からバッテリが予め設定されたクリティカルな放電電圧のしきい値に到達するまで経過した時間の経過の予測表示を計算するとともに現瞬時ごとに発生させるようにも配置したことを特徴とする請求項３又は４記載の監視システム。
7. 前記ニューラルネットワークを前記第１ニューラルネットワークに直列結合し、前記第３ニューラルネットワークを前記第２ニューラルネットワークに並列結合したことを特徴とする請求項３，４又は６記載の監視システム。
8. 前記第１ニューラルネットワークは三つの層を有し、そのうつの一つのである電圧値用のニューラルセルの入力層はニューラルセルの隠れ層を有し、出力層は単一ニューラル層を有し、前記隠れ層のセルは、セルごとに変動する勾配を有するシグモイダル活性化関数を有し、前記出力層のセルは、線形活性化関数を有することを特徴とする請求項７記載の監視システム。
9. 前記第２ニューラルネットワークは三つのニューラルセル層を有し、そのうちの一つを、前記開始値の各々に対する三つのニューラルセルの入力層とし、そのうちの一つを隠れセルの層とし、そのうちの一つをニューラルセルの出力層とし、前記隠れ層のセルは、セルごとに相違する勾配を有するシグモイダル活性化関数を有し、前記出力層のセルは、前記第１ニューラルネットワークの作動に必要なシナプス係数と同数であり、シグモイダル活性化関数を有することを特徴とする請求項８記載の監視システム。
10. 前記第３ニューラルネットワークは三つのニューラルセル層を有し、そのうちの一つを、前記開始値の各々に対する三つのニューラルセルの入力層とし、そのうちの一つを単一の隠れセルとし、そのうちの一つをニューラルセルの出力層とし、前記出力層のセルは、前記第１ニューラルネットワークの作動に必要なシナプス係数と同数であり、シグモイダル活性化関数を有することを特徴とする請求項９記載の監視システム。
11. 計算を実行して第１、第２及び第３ニューラルネットワーク並びに計算器を形成するマイクロプロセッサと、データを記憶するメモリ区域とを具え、これら記憶区域は前記マイクロプロセッサを介してアクセス可能であり、前記ニューラルネットワークの構成データ、固定パラメータ及び前記第２ニューラルネットワークのシナプス係数を記憶するメモリ区域と、変動する測定、並びに第１及び第３ネットワークのシナプス係数を記憶し又は発生させるランダムアクセスメモリ区域とを含むことを特徴とする請求項４から１０のうちのいずれかに記載の監視システム。
12. このシステムを、充電可能なバッテリと、時間計測手段と、電圧測定手段と、表示手段とに結合し、この表示手段を、前記バッテリが前記クリティカルな電圧しきい値に到達するクリティカルな瞬時の表示、使用以前の現瞬時から前記バッテリが予め設定されたクリティカルな電圧のしきい値に到達するまで経過した時間の経過の表示、又はこれら二つの表示、及び場合によっては前記バッテリの充電周期の終了の表示を行うために配置したことを特徴とする請求項１から１１のうちのいずれかに記載の監視システム。
13. 充電可能なバッテリから給電されるとともに、このバッテリに結合した請求項１から１２のうちのいずれかに記載された監視システムを具えるホスト装置。
14. 請求項７から１２のうちのいずれかに記載された監視システムのニューラルネットワークを発生させるに当たり、学習周期中、
    通常電圧値用に意図した第１ニューラルネットワークの入力に放電電圧を課するとともに、この第１ニューラルネットワークのシナプス係数のベクトルによって形成されたデータベースを形成するための出力に対応する瞬時を課する間、放電電圧の関数として放電時間曲線を第１ニューラルネットワークによって学習し、
    前記開始値と、前記第１ニューラルネットワークの学習手順で決定されるそのシナプス係数との間の関係を第２ニューラルネットワークによって学習し、
    それ自体の適応シナプス係数を決定しうるように第３ニューラルネットワークによって学習し、この学習は、
    １）バッテリの放電／充電サイクルの放電周期中、前記開始値と、対応する現瞬時の関数としてのバッテリ電圧の値と、第２ニューラルネットワークによって生じた近似パラメータとを記憶するステップと、
    ２）次の充電周期のステップとを具え、この学習は、
    ２ａ）瞬時の電圧の値及び時間の値をその入力部及び出力部にそれぞれ課する際それ自体の実シナプス係数を前記第１ニューラルネットワークによって計算し、
    ２ｂ）実パラメータと前記近似パラメータとの間の差を計算することによって誤差パラメータを計算し、
    ２ｃ）前記誤差パラメータを出力部に課するとともに前記開始値を入力部に課する際に適応パラメータと称するそれ自体のシナプス係数を前記第３ニューラルネットワークによって計算し、
    前記監視システムを使用するに当たり、次の放電／充電サイクルの後の放電周期中前記第３ニューラルネットワークのシナプス係数として適応パラメータを使用することを特徴とする監視システムのニューラルネットワーク発生方法。