电气化车辆中的电池健康状态的虚拟评估的利记博彩app

本申请总体上涉及估计车辆中的牵引电池的健康状态参数。

背景技术：

电气化车辆包括混合动力电动车辆(hev)和电池电动车辆(bev)。电气化车辆包括用于存储能量的牵引电池，该能量被用于推进和其它目的。牵引电池通常使用在开发阶段期间定义的多种参数来进行操作。牵引电池的操作参数随着时间的变化引起牵引电池的性能的变化。

技术实现要素：

在一些配置中，一种车辆包括牵引电池。所述车辆还包括控制器，所述控制器被配置为：根据健康状态参数的估计值操作牵引电池，并基于描述在行驶周期期间的车辆运动的统计参数以及描述在过去的行驶周期期间的车辆运动与流经牵引电池的产生的电流之间的关系的参数来改变所述估计值。

一些配置可包括一个或更多个如下特征。在所述车辆中，所述健康状态参数是牵引电池的容量。在所述车辆中，所述健康状态参数是所述牵引电池的内部阻抗。在所述车辆中，所述统计参数包括所述车辆的正速度的平均值。在所述车辆中，所述统计参数包括所述车辆的加速度的标准差。在所述车辆中，所述控制器被配置为：基于描述在行驶周期期间流经所述牵引电池的电流的另一组统计参数以及描述在过去的行驶周期期间流经所述牵引电池的电流与所述健康状态参数之间的关系的参数，来改变所述估计值。在所述车辆中，所述控制器被配置为：接收温度数据，并基于与所述行驶周期相关的温度而进一步改变所述估计值。在所述车辆中，描述所述关系的参数从回归函数被获得，使得所述估计值处于所述健康状态参数的真实值的预定置信区间内。

在一些配置中，一种车辆电力系统包括控制器，所述控制器被配置为：根据健康状态参数的估计值操作牵引电池，并基于描述在行驶周期期间的车辆运动的统计参数以及描述在过去的行驶周期期间的车辆运动与所述健康状态参数产生的变化之间的关系的参数，来改变所述估计值。

一些配置可包括一个或更多个如下特征。在所述车辆电力系统中，所述健康状态参数是所述牵引电池的容量。在所述车辆电力系统中，所述健康状态参数是所述牵引电池的内部阻抗。在所述车辆电力系统中，所述统计参数包括所述车辆的正速度的平均值。在所述车辆电力系统中，所述统计参数包括所述车辆的加速度的标准差。在所述车辆电力系统中，所述控制器被配置为：接收温度数据，并基于与所述行驶周期相关的温度而进一步改变所述估计值。在所述车辆电力系统中，描述所述关系的参数从回归函数被获得，使得所述估计值处于所述健康状态参数的真实值的预定置信区间内。

在一些配置中，一种操作车辆中的电池的方法包括：由控制器根据电池健康状态参数的估计值操作所述电池。所述方法还包括：由所述控制器基于描述在行驶周期期间的车辆运动的统计参数以及描述在过去的行驶周期期间的车辆运动与流经所述电池的产生的电流之间的关系的参数，来改变所述估计值。

一些配置可包括一个或更多个如下特征。所述方法可包括；由控制器基于与所述行驶周期相关的温度改变所述估计值。所述方法还包括：由控制器基于描述在行驶周期期间流经所述牵引电池的电流的统计参数以及描述在过去的行驶周期期间流经所述牵引电池的电流与所述健康状态参数之间的关系的参数，来改变所述估计值。所述方法可包括：根据回归函数描述所述关系，使得所述估计值处于所述健康状态参数的真实值的预定置信区间内。

附图说明

图1是示出典型的动力传动系统和能量储存组件的混合动力车辆的示图；

图2是包括多个电池单元并由电池能量控制模块监测和控制的可能的电池包布置的示图；

图3是不同的行驶周期的正速度平均值和加速度标准差的曲线图；

图4是描绘作为不同的行驶周期的加速度的函数的电池电流值的可能范围的曲线图；

图5是开发用于参数识别的回归结构的可能的操作序列的流程图；

图6是用于估计电池的健康状态参数的可能的操作序列的流程图。

具体实施方式

在此描述本公开的实施例。然而，应理解的是，所公开的实施例仅为示例，并且其它实施例可采用各种形式和替代形式。附图不必按比例绘制；可夸大或最小化一些特征以示出特定组件的细节。因此，在此公开的特定结构和功能细节不应被解释为限制，而仅为用于教导本领域技术人员以多种形式利用本发明的代表性基础。如本领域普通技术人员将理解的是，参考任一附图示出和描述的各种特征可与在一个或更多个其它附图中示出的特征组合，以产生未明确示出或描述的实施例。示出的特征的组合提供用于典型应用的代表实施例。然而，与本公开的教导一致的特征的各种组合和变型可被期望用于特定应用或实施方式。

图1描绘了可被称作插电式混合动力电动车辆(phev)的电气化车辆112。插电式混合动力电动车辆112可包括机械地连接至混合动力传动装置116的一个或更多个电机114。电机114能够作为马达或发电机运转。此外，混合动力传动装置116机械地连接至发动机118。混合动力传动装置116还被机械地连接至驱动轴120，驱动轴120机械地连接至车轮122。电机114能在发动机118启动或关闭时提供推进和减速能力。电机114还可用作发电机，并且能够通过回收在摩擦制动系统中通常将作为热损失掉的能量来提供燃料经济效益。电机114还可通过允许发动机118以更有效的转速运转并允许混合动力电动车辆112在特定状况下以发动机118关闭的电动模式运转，来减少车辆排放。电气化车辆112还可以是电池电动车辆(bev)。在bev构造中，发动机118可不存在。在其它构造中，电气化车辆可以是不具有插电功能的全混合动力电动车辆(fhev)。

牵引电池或电池包124储存可被电机114使用的能量。车辆电池包124可提供高电压直流电(dc)输出。牵引电池124可电连接至一个或更多个电力电子模块126。一个或更多个接触器142可在断开时将牵引电池124与其它组件隔离，并且在闭合时将牵引电池124连接到其它组件。电力电子模块126还电连接至电机114，并提供在牵引电池124与电机114之间双向传输能量的能力。例如，牵引电池124可提供dc电压，而电机114可使用三相交流电(ac)来运转。电力电子模块126可将dc电压转换为三相ac电流来运转电机114。在再生模式下，电力电子模块126可将来自用作发电机的电机114的三相ac电流转换为与牵引电池24兼容的dc电压。

车辆112可包括电连接在牵引电池124和电力电子模块126之间的可变电压转换器(vvc)152。vvc152可以是被配置为增大或升高牵引电池124提供的电压的dc/dc升压转换器。通过增大电压，电流需求可被减小，从而使得用于电力电子模块126和电机114的布线尺寸减小。此外，电机114可以以较高的效率和较低的损耗运转。

牵引电池124除了提供用于推进的能量之外，牵引电池124还可为其它车辆电力系统提供能量。车辆112可包括dc/dc转换器模块128，dc/dc转换器模块128将牵引电池124的高电压dc输出转换成与低电压车辆负载兼容的低电压dc供应。dc/dc转换器模块128的输出可电连接至辅助电池130(例如，12v电池)，以用于为辅助电池130充电。低电压系统可被电连接至辅助电池130。一个或更多个电负载146可被连接至高电压总线。电负载146可具有相关联的控制器，所述控制器在适当时操作和控制电负载146。电负载146的示例可以是风扇、电加热元件和/或空调压缩机。

电气化车辆112可被配置为通过外部电源136为牵引电池124再充电。外部电源136可以连接到电源插座。外部电源136可电连接至充电器或电动车辆供电设备(evse)138。外部电源136可以是由公共电力公司提供的配电网络或电网。eves138可提供电路和控制，以调节和管理电源136与车辆112之间的能量传输。外部电源136可向evse138提供dc或ac电力。evse138可具有用于插入到车辆112的充电端口134中的充电连接器140。充电端口134可以是被配置为从evse138向车辆112传输电力的任意类型的端口。充电端口134可被电连接至充电器或车载电力转换模块132。电力转换模块132可对从evse138供应的电力进行调节，以向牵引电池124提供合适的电压水平和电流水平。电力转换模块132可与evse138进行接口连接，以协调对车辆112的电力传输。evse连接器140可具有与充电端口134的相应凹槽匹配的插脚。可选地，被描述为被电耦合或电连接的各种组件可使用无线感应耦合来传输电力。

可提供一个或更多个车轮制动器144，以使车辆112减速并阻止车辆112运动。车轮制动器144可以是液压致动的、电致动的或者它们的一些组合。车轮制动器144可以是制动系统150的一部分。制动系统150可包括用于操作车轮制动器144的其它组件。为简单起见，附图中描绘了制动系统150与车轮制动器144中的一个之间的单一连接。制动系统150和其它车轮制动器144之间的连接被隐含。制动系统150可包括控制器，以监测和协调制动系统150。制动系统150可监测制动组件并控制车轮制动器144以使车辆减速。制动系统150可对行驶员命令做出响应，并且还可以自主运转以实现诸如稳定性控制的功能。当被另一控制器或子功能请求时，制动系统150的控制器可实现施加被请求的制动力的方法。

车辆112中的电子模块可经由一个或更多个车辆网络进行通信。车辆网络可包括用于通信的多个信道。车辆网络的一个信道可以是诸如控制器局域网络(can)的串行总线。车辆网络的信道中的一个可包括由电子电气工程师协会(ieee)802标准族定义的以太网。车辆网络的另外信道可包括模块之间的离散连接，并可包括来自辅助电池130的电力信号。不同的信号可通过车辆网络的不同信道传输。例如，视频信号可通过高速信道(例如以太网)传输，而控制信号可通过can或离散信号传输。车辆网络可包括协助在模块之间传输信号和数据的任意硬件组件和软件组件。车辆网络没有在图1中示出，但图1可隐含着车辆网络可连接在车辆112中存在的任意电子模块。可存在车辆系统控制器(vcs)148来协调各个组件的操作。

牵引电池124可由各种化学配方构造。典型的电池包化学成分可以是铅酸、镍金属氢化物(nimh)或锂离子。图2示出了使用n个电池单元202的简单串联结构的牵引电池包124。然而，牵引电池124可由串联连接或并联连接或者它们的一些组合连接的任意数量的各个电池单元组成。电池管理系统可具有检测并控制牵引电池124的性能的一个或更多个控制器(诸如电池能量控制模块(becm)206)。牵引电池124可包括用于测量各个电池包水平特性的传感器。牵引电池124可包括一个或更多个电池包电流测量传感器208、电池包电压测量传感器210和电池包温度测量传感器212。becm206可包括用于与电池包电流测量传感器208、电池包电压测量传感器210和电池包温度测量传感器212连接的电路。becm206可具有非易失性存储器，使得数据可在becm206处于关闭状况时被保留。保留的数据可以在下一启动周期时使用。

除了测量和监测电池包水平特性之外，还可测量和监测电池单元202的水平特性。例如，可测量每个电池单元202的端电压、电流和温度。系统可使用一个或更多个传感器模块204来测量电池单元202的特性。根据容量，传感器模块204可测量一个或多个电池单元202的特性。牵引电池124可利用多达nc个传感器模块204来测量所有电池单元202的特性。每个传感器模块204可将测量结果传输至becm206，用以进一步处理和协调。传感器模块204可将模拟形式或数字形式的信号传输至becm206。在一些配置中，传感器模块204的功能可被并入becm206中。即，传感器模块204的硬件可被集成为becm206中的电路的一部分，并且becm206进行对原始信号的处理。becm206还可包括用于与一个或更多个接触器142连接的电路，以断开或闭合接触器142。

计算电池包的各个特性可能是有用的。诸如电池功率容量、电池容量和电池荷电状态的量对于控制牵引电池124以及从牵引电池124接收电力的任何电路负载的操作是有用的。电池功率容量是牵引电池124可提供的功率的最大量或牵引电池124可接收的功率的最大量的测量。得知了电池电力容量允许管理电负载，使得电力需求在牵引电池124可处理的限制之内。

电池容量是可被存储在牵引电池124中的能量总量的测量值。电池容量(通常表示为变量q)可以以安培小时为单位来表示。与电池容量相关的数值可被称作安培小时值。牵引电池124的电池容量可随着牵引电池124的寿命而减小。

荷电状态(soc)给出在牵引电池124中剩余多少电荷的指示。soc可被表示为在牵引电池124中可能剩余的总电荷的百分比。当soc为百分之一百时，牵引电池124可被充电至电池容量。类似于燃料表，可输出soc值，以通知行驶员牵引电池124中剩余多少电荷。还可使用soc来控制电动车辆或混合动力电动车辆的操作。soc的计算可由多种方法来实现。计算soc的一种可行的方法是执行牵引电池电流随着时间的积分。这就是在本领域中公知的安培小时积分。

能量管理系统或车辆电力系统可操作牵引电池124以管理牵引电池124的荷电状态。牵引电池124可根据将目标荷电状态与当前荷电状态进行比较而进行充电或放电。例如，在当前荷电状态大于目标荷电状态时，牵引电池124可放电。牵引电池124的操作可通过命令电机114的扭矩以从牵引电池124汲取电流或向牵引电池124提供电流来实现。牵引电池124的操作还可包括命令发动机118向电机114提供能量来为牵引电池124充电。

经常针对牵引电池124计算的值可以是与健康状态(soh)相关的参数。soh参数可提供牵引电池124的老化的指示。soh参数还可提供关于电池的健康状态以及电池如何随着时间而退化的信息。soh参数可包括计算的电池容量和电池内部阻抗。soh参数可指示电池容量的变化和电池内部阻抗的变化。电池内部阻抗可被表示为电阻值。随着牵引电池124老化，电池内部阻抗可能改变。电池内部阻抗通常随着电池退化而增大。获知电池内部阻抗和电池容量允许对牵引电池124的改进的控制。多种方法可用于确定牵引电池124的soh。电池老化指示可基于电池容量值和/或电池内部阻抗值而被输出和显示。例如，电池容量值和/或电池内部阻抗值可与电池寿命开始时的对应值进行比较以确定牵引电池的大致的存在时间。

电池soh预测算法通常监测与电池相关的量，诸如电压和电流。例如，电池老化的一个因素是流经电池的电流的量。算法可通过测量流经电池的电流并基于积累的电流估计电池老化参数来运行。一些电池soh算法可使用电压测量值和电流测量值来尝试测量或估计电池内部阻抗。然而，只有在能够识别出行驶周期与电池soh之间的关系时，才可以基于行驶周期信息来预测电池soh。

行驶周期可由与车辆的速度和加速度相关的量的数值来表征。行驶周期可由描述行驶周期期间的车辆运动的统计参数来表征。特性描述可包括正速度平均值、加速度标准差、最小加速度、正加速度下的行驶时间的百分比、负加速度下的行驶时间的百分比、怠速时间的百分比、每英里的停车次数中的一个或更多个。可针对多个行驶周期对这些量进行分析，以确定变量对电池soh的影响。在一些分析之后，正速度的平均值和加速度的标准差与电池soh最相关。直观地，这可被理解为较高的速度和较快的加速度可能导致较多的电池使用。例如，牵引电池可在较高的速度和加速度下经受较大的电流。

可利用正速度的平均值和加速度的标准差来估计与电池电流相关的统计变量。电池电流的标准差和电池电流的平均绝对值可以从行驶周期特性中获得。电池统计变量可随后被用于预测未来任意时间的电池soh参数的变化。例如，电池容量和/或内部阻抗的变化可由基于电池电流参数的统计分析进行计算。

图3是描绘多个行驶周期的加速度的标准差和正速度的平均值的曲线300。曲线上的每个点可表示特定行驶周期。例如，点a302可表示温和的行驶周期。注意，点a具有相对低的正速度的平均值和加速度的标准差。点b304可表示激进的行驶周期。随着点沿着由线306所指示的方向移动，可观测到更激进的电池运转。更激进的电池运转可导致更迅速的电池老化或电池soh参数的变化。

图4描绘了指示电池电流相对于车辆加速度的可能的分布的曲线400。对于温和的行驶周期(由a表示)，分布可落在第一区域402中。对于激进的行驶周期(由b表示)，分布可落在第二区域404中。注意，第二区域404包含比第一区域402更广的电池电流和加速度值的范围。较快的加速/减速可指示较激进的行驶周期。此外，由于可更大程度地利用电池来满足更快的加速/减速，因此更快的加速/减速可引起更大幅值的电池电流。

可执行回归分析来寻找将独立变量与非独立变量关联的回归方程式。用于多个行驶周期的数据可在行驶周期期间被采样或测量，并且统计值可由所述数据被获得。速度可在行驶周期期间以周期性的间隔被测量。加速度可在行驶周期期间以周期性的间隔被测量。加速度值可基于加速度传感器的输出，或者可被计算为速度的导数。此外，电池电流可在每个行驶周期期间被测量。测量值可以以周期性的间隔被采样。在每个行驶周期结束时，可以使用一系列的速度、加速度和电池电流值。每个变量的平均值或平均数可被计算为在所有时间间隔内的数值总和除以时间间隔的数量。标准差可被计算为：

其中，μ是平均值，xi是来自样本i的变量的值，n是采取的样本的数量。

回归模型可被定义为：

y＝β0+β1x1+…+βpxp+ε(2)

其中，p是独立变量的数量，βi是回归方程式的第i个系数，并且i＝0,1,…,p。回归分析可考虑行驶周期的n个数据点。因此，与x个元素对应的矩阵可被构造为：

其中，n是行驶周期的数据点的数量。

回归模型的参数(或回归系数)可被计算为：

其中，x是n行(p+1)列矩阵，y是n行1列系统响应矩阵。从特定的y矩阵计算的回归系数可被用于计算回归响应

一旦确定回归参数，则回归分析可被表示为：

其中，y可以是电池电流的标准差y1以及电池电流的平均绝对值y2。y的元素可被定义为：

y1＝σ(ibatt)(6)

其中，β1从包括y1响应的y矩阵被计算，并且

y2＝mean(|ibatt|)(7)

其中，β2从包括y2响应的y矩阵被计算，并且向量x可被定义为：

其中，vpos是正速度的平均值，σ(a)是加速度的标准差。每个x向量具有p+1个元素。从行驶周期的每个数据点计算的x向量可被组合以形成等式(3)的x矩阵。

回归矩阵x可以从在每个行驶周期期间对特定数据的采样中获得。对于给定的行驶周期，诸如车辆速度和车辆加速度的车辆数据可被采样。此外，电池电流可被采样。根据车辆速度，可计算正速度的平均值。根据车辆加速度，可计算车辆加速度的标准差。可利用正速度的平均值和加速度的标准差来如等式(8)所定义的那样定义输入向量。电池电流的平均值和标准差也可被计算。这些值可被用于回归分析，以根据式(4)确定回归系数。一旦获知了回归矩阵，则回归矩阵可被用于不同的行驶周期，以分别根据等式(6)和等式(7)来估计电池电流的绝对平均值和电池电流的标准差。

控制器206可被配置为具有回归矩阵，使得可针对任意行驶周期估计或预测电池电流参数。电池电流参数可在当前没有任意控制策略、车辆控制策略和配置的知识的情况下被估计。电池电流参数仅从行驶周期数据被估计。回归矩阵可被存储或编程至控制器206中。

以上分析从车辆行驶周期数据获取电池电流参数。然而，利用一些额外的计算，可计算电池的健康状态(soh)参数。将被定义的程序能够直接根据行驶周期数据和预定的不确定性界限内的温度对电池soh参数进行预测。

不确定性界限是由混合动力传动系统的监管控制策略来决定的。不确定性界限可被表示为：

σ(ibatt)＝f1(x)+ε1(9)

mean(|ibatt|)＝f2(x)+ε2(10)

其中，x由等式(8)定义，并且ε项被称作不确定性界限。

电池soh可被表征为电池容量的变化(δqbatt)和/或在充电期间电池内部阻抗的变化(δrint,chg)以及在放电期间电池内部阻抗的变化(δrint,disch)。变化量可与在电池寿命开始(bol)时的值相关。关于bol值的变化值可被表示为：

δqbatt＝qbatt,bol-qbatt(11)

δrint,chg＝rint,chg-rint，chg，bol(12)

δrint,disch＝rint,disch-rint，disch，bol(13)

电池的电池容量可被预期为随着电池的寿命而减小。内部阻抗值可被预期为随着电池的寿命而增大。当前时间的soh参数值可从等式(11)至等式(13)被获得。

容量和内部阻抗的变化可与电池电流参数相关，电池电流参数是但不限于电池电流的标准差和电池电流的平均绝对值。电池电流参数可提供电池如何随着时间被使用的测量值。容量和内部阻抗的变化可被表示为：

δqbatt＝g1(σ(ibatt),mean(|ibatt|)|t,tdrv,tpark)+ε3(14)

δrint,chg＝g2(σ(ibatt),mean(|ibatt|)|t,tdrv,tpark)+ε4(15)

δrint,disch＝g3(σ(ibatt),mean(|ibatt|)|t,tdrv,tpark)+ε5(16)

其中，t是与行驶周期相关的温度，tdrv是行驶周期中已经过的时间，tpark是车辆静止已经过的时间。每个变化均具有相关的不确定性界限ε。

函数g1、g2和g3可从另一回归分析中被获得。例如，y1＝g1(x)，其中，y是δqbatt，x是[σ(ibatt)mean(|ibatt|)]，g表示回归矩阵。针对每个行驶周期的多个值可使用类似于等式(8)的向量被计算。如前所述，可通过在多个行驶周期中采集数据并生成针对每个行驶周期的矩阵，来获得回归矩阵。例如，当电池在多个操作周期中运行时，电池容量和电池电流可被测量。在一些情况下，电池容量可从其它电池参数(诸如电流和电压)被计算。在多个操作周期之间可能变化的变量可以是电池的温度曲线、行驶持续时间和停车持续时间。在操作周期完成之后，电池电流参数可从在操作周期期间的测量值被计算。电池容量的变化还可从测量的数据被确定。注意，回归矩阵可基于仿真的或实际的行驶周期数据而被获得。

可通过将等式(5)代入等式(14)至等式(16)，按照电池电流参数来表示等式(14)至等式(16)。电池电流参数可被表示为行驶周期参数的函数。作为结果，容量和内部阻抗的变化还可被表示为如下的由等式(8)所描述的行驶周期参数的函数：

δqbatt＝h1(x|t,tdrv,tpark)+εq(17)

δrint,chg＝h2(x|t,tdrv,tpark)+εr，chg(18)

δrint,disch＝h3(x|t,tdrv,tpark)+εr,disch(19)

电池容量和内部阻抗值的变化可通过等式(17)至等式(19)直接从行驶周期参数被获得。最终结果是，电池老化参数可从测量的车辆速度被获得。控制器可存储与温度、行驶时间和停车时间的各种组合相对应的多个回归函数或回归矩阵。例如，回归矩阵可基于与最近完成的行驶周期相关的温度而被选择。

得出的等式可在控制器206中实现。测量的车辆速度可在预定时间间隔内被采样并存储。预定时间间隔可基于预定时间段(诸如一天)。在预定时间间隔之后，采集的车辆速度样本可被处理，以用于计算加速度。此外，速度(例如正速度的平均值)和加速度(例如加速度的标准差)的统计参数可被计算。一旦获知了这些数值，则可以计算由等式(8)定义的向量。控制器除了监测车辆速度以外，控制器还可测量或接收温度、行驶时间和停车时间。例如，温度可在预定时间间隔内被周期性地采样。行驶时间和停车时间可通过监测车辆处于行驶模式和停车模式的时间量被确定。停车时间可包括车辆处于点火开关断开状况的时间段。停车时间可被用于从平均值和标准差中过滤出于相关的速度值。

控制器206可随后基于温度、行驶时间和停车时间来选择合适的函数。从测量的车辆速度(例如从等式(8))提取的信息可被输入至函数，以确定容量或内部阻抗在预定时间间隔内的变化。健康状态参数的估计值是基于描述行驶周期期间的车辆运动的统计参数的。统计参数包括正速度的平均值和车辆加速度的标准差。估计值还基于描述在过去的行驶周期期间的车辆运动与流经电池的产生的电流之间的关系的参数。估计值还可基于描述在过去的行驶周期期间流经电池的电流与健康状态参数的产生的变化之间的关系的参数。

图6描绘了针对描述的系统和方法的描述可能的操作序列的流程图。在操作600，将回归结构公式化。可基于先前的行驶周期数据的分析而离线地执行回归结构的公式化。图5描绘了描述将回归结构公式化的一般程序的流程图。在操作502，电池寿命仿真可被执行，并且结果可被采集。这种仿真可通过模型进行仿真和/或可从实际车辆操作数据获得。在操作504，回归结构可被选择。例如，用于矩阵x的量的向量可被公式化，得到诸如等式(8)的向量。在操作506，回归分析可按照以上描述的被执行。例如，针对行驶周期采集的数据可被处理以计算回归矩阵，并使用回归矩阵和系统响应矩阵计算回归系数。在操作508，可执行回归分析的评估。例如，回归矩阵和向量可被用于从另外的行驶周期(或者甚至是先前使用过的行驶周期)获得参数值。例如，r²值可被计算以评估回归分析的相对质量。正态概率分布曲线可被生成和分析。在操作510，可执行检查，以确定由回归结构生成的预测是否可接受。例如，处于特定范围内的r²值可指示令人满意的预测。如果预测不可接受，则操作512可被执行，以修改回归结构并从操作506重复处理。如果预测结果可接受，则操作514可被执行。在操作514，最终的回归结构可被确定。在操作516，soh参数的置信区间可被计算。回归可被配置以确保soh参数的真实值处于预定置信区间(例如95％的置信区间)内。

操作600的结果可以是以上描述的回归矩阵或函数。回归矩阵可定义描述在过去的行驶周期期间的车辆运动与流经牵引电池的产生的电流之间的关系的参数。回归矩阵还可定义描述在过去的行驶周期期间的车辆运动与健康状态参数的产生的变化之间的关系的参数。

回归矩阵或函数可被存储或编程至控制器206，并通过回归矩阵数据存储区602表示。在操作604，车辆操作期间的车辆速度数据被采集并被存储在速度数据存储区606。速度数据存储区606可被保留在非易失性存储器中，使得数据在下一次的点火周期中可用。

在操作608，限定的行驶周期的时间间隔可被监测。例如，时间间隔可被限定为从车辆的点火周期的开始到下一次点火周期开始的时间段。时间间隔可基于通过监测随着时间接收的里程表值确定的车辆行驶的预定距离。时间间隔可被限定为预定时间段。例如，预定时间段可以是一小时、一天或一周。时间和距离数据可被周期性地监测，以确定经过的时间或行驶的距离。在操作610，可执行检查以确定是否已达到时间间隔或距离间隔。如果未达到间隔，则可从操作604重复执行。

如果达到间隔，则可执行操作612。在操作612，可使用存储在速度数据存储区606中的速度数据作为输入来计算统计参数。统计参数包括正速度平均值和加速度的标准差。在操作614，电池soh参数可基于回归矩阵602和统计值来被计算。控制器206还可接收与行驶周期关联的温度数据。估计值还可基于温度数据而被改变。在操作616，牵引电池可根据估计的soh值而被操作。处理可在车辆和牵引电池的使用寿命内被重复。

描述的系统和方法有助于根据容易获得的行驶周期数据来估计电池soh参数。此外，结果是基于统计结果的，并可被配置为使用预定的精确量来估计值。牵引电池操作限制可根据估计的电池soh参数而被设置。例如，电池容量可被用于基于电流积分确定soc的变化。使用精确的电池容量可确保电池soc是精确的。此外，电池容量可被用于设置soc操作窗口，以确保在车辆使用寿命内具有充足的电池电力。此外，基于soh参数的电池老化的指示可被输出并显示给操作者。

在此公开的处理、方法或算法可被传送到处理装置、控制器或计算机，或者通过所述处理装置、控制器或计算机实现，其中，所述处理装置、控制器或计算机可包括任何现有的可编程电子控制单元或专用电子控制单元。类似地，所述处理、方法或算法可被以多种形式存储为通过控制器或计算机可执行的数据和指令，其中，所述多种形式包括但不限于信息永久存储在不可写的存储介质(诸如，rom装置)中以及信息可变地存储在可写的存储介质(诸如，软盘、磁带、cd、ram装置以及其它磁介质和光学介质)中。所述处理、方法或算法也可在可执行软件的对象中实施。可选地，可使用合适地硬件组件(诸如，专用集成电路(asic)、现场可编程门阵列(fpga)、状态机、控制器或其它硬件组件或装置，或者硬件、软件和固件组件的组合)来全部或部分地实现所述处理、方法或算法。

虽然以上描述了示例性实施例，但这些实施例并不意在描述权利要求所涵盖的所有可能形式。说明书中所使用的词语是描述性词语而非限制性词语，并且应理解的是，可在不脱离本公开的精神和范围的情况下做出各种改变。如前所述，可将各个实施例的特征进行组合以形成本发明的可能未被明确描述或示出的进一步的实施例。尽管针对一个或更多个期望特性，各个实施例已经被描述为提供优点或优于其它实施例或现有技术实施方式，但是本领域的普通技术人员应认识到，根据特定应用和实施方式，一个或更多个特征或特性可被折衷以实现依赖于特定应用和实现的期望的整体系统属性。这些属性可包括但不限于成本、强度、耐用性、生命周期成本、市场性、外观、包装、尺寸、可维护性、重量、可制造性、装配的容易性等。因此，针对一个或更多个特性，被描述为不如其它实施例或现有技术实施方式的实施例并非在本公开的范围之外，并可被期望用于特定应用。