一种平板电脑的使用时间警示系统及方法

技术领域

本发明属于电子设备领域，更具体地说，尤其涉及一种平板电脑的使用时间警示系统。同时，本发明还涉及一种平板电脑的使用时间警示方法。

背景技术

平板电脑是一种小型、方便携带的个人电脑，以触摸屏作为基本的输入设备，目前被广泛应用于日常的工作与学习中；

现有技术，大多是通过检测和计算平板电脑电池的剩余电量来对用户进行提醒，但是随着平板电脑使用时间的不同，平板电脑各元件老化后耗电状态高于正常状态耗电量，在不同老化程度时各电元件工作需求电量以及电池剩余电量的状态也是不同的，因此，我们提出一种平板电脑的使用时间警示系统及方法。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种平板电脑的使用时间警示系统及方法，通过计算平板电脑各元件在实际使用过程中，由于元件老化或者过载会导致实际寿命低于理论使用寿命值，即平板电脑各元件老化，老化后的平板电脑各元件耗电状态高于正常状态耗电量，因此，将平板电脑各元件实时运行状态下的使用寿命带入等效电路模型能进一步精准计算出实际的电池剩余电量的状态。

为实现上述目的，本发明提供如下技术方案：

一种平板电脑的使用时间警示系统，包括：

数据采集收集单元，所述数据采集收集单元用于采集平板电脑实时运行信息，同时，所述数据采集收集单元还用于接收平板电脑各元件的理论使用状态信息以及理论使用寿命数据；

建模计算单元，根据平板电脑各元件的理论使用寿命数据建立三维模型，同时，将平板电脑实时运行信息带入三维模型，根据理论使用状态与平板电脑各元件负载状态的比值，计算出在平板电脑实时运行状态下各元件的实际使用寿命，计算式为：

电池估算模块，所述电池估算模块采用等效电路模型计算电池剩余电量的状态，在计算所述电池剩余电量的状态时，将平板电脑各元件实时运行状态下的使用寿命带入等效电路模型，具体计算式如下：

使用时间警示模块，所述使用时间警示模块用于实时显示剩余电量状态，并且该使用时间警示模块设定提示阈值，当剩余电量不足10%或者电量根据SOC的估算模块算出的电量不足以支撑平板电脑5分钟当前运行状态时，进行警示。

优选的，所述电池估算模块包括电池剩余电量的状态估算，计算式如下为：

优选的，所述电池估算模块还包括电池健康状态估算，以电池的当前实际容量与额定容量的比值来定义电池健康状态估算，计算式如下为：

优选的，所述建模计算单元计算平板电脑实时运行状态下各元件的实际使用寿命，检测平板电脑实时运行状态下各元件中氧空位的移动速度与量，采用阿伦尼乌斯方程的高负载模型进行计算，计算式如下：

通过上述计算式，将模型在不同温度以及电压进行模拟实验，预估电脑实时各元件在平板电脑实时运行状态下环境下的使用寿命。

优选的，所述电池估算模块采用深度学习估算电池健康状态，所述深度学习需要定义卷积神经网络的架构，选择层的类型、选择层数和调整超参数，卷积神经网络的架构包括：

图像输入层，将电压、放电容量、温度数据视为输入图像的三个颜色通道，并将测量值归一化为范围 [0，1]；

卷积层，通过反复试验选择的这种层数在保持合理训练时间的同时提供了最佳结果；

批量归一化层，卷积层后跟一个批量归一化层，加快了网络的训练速度并降低了对网络初始化的敏感性；

ReLU层，批量归一化层后跟一个非线性激活函数，该函数对输入的每个元素执行阈值操作。

优选的，所述卷积神经网络的架构还包括：

池化层，用于减少特征图的大小并删除了冗余信息，从而减少了后续层中要学习的参数数量；

全连接层，该层将所有学习到的特征组合到回归层的单个输入中；

回归层，该层为卷积神经网络的架构最终输出层。

优选的，所述使用时间警示模块的具体提醒方法为：

预设用于判断平板电脑电池端电流的电流阈值；

检测平板电脑电池端电流，并将电流与预设电流阈值进步比较；

当电流大于预设电流阈值时，检测平板电脑的使用时间；

根据平板电脑的使用时间对用户进行提醒。

一种平板电脑的使用时间警示方法，包括如下步骤：

S1、采集平板电脑实时运行信息，同时，所述数据采集收集单元还用于接收平板电脑各元件的理论使用状态信息以及理论使用寿命数据；

S2、计算出在平板电脑实时运行状态下各元件的实际使用寿命，从而确定平板电脑各元件的老化程度；

S3、将平板电脑各元件实时运行状态下的使用寿命带入等效电路模型，计算出电池剩余电量的状态；

S4、根据电池剩余电量的状态进行判定，当剩余电量不足10%或者电量根据SOC的估算模块算出的电量不足以支撑平板电脑5分钟当前运行状态时，进行警示。

优选的，所述进行警示通过提示音、震动中的一种或组合方式对用户进行提醒。

本发明的技术效果和优点：本发明提供的一种平板电脑的使用时间警示系统，与现有技术相比，本发明通过计算平板电脑各元件在实际使用过程中，由于元件老化或者过载会导致实际寿命低于理论使用寿命值，即平板电脑各元件老化程度，老化后的平板电脑各元件耗电状态高于正常状态耗电量，将平板电脑各元件实时运行状态下的使用寿命带入等效电路模型能进一步精准计算出实际的电池剩余电量的状态，从而精确的进行使用时间警示；

其次，本系统采用等效电路模型利用电感、电阻、电容、电压源、电流源等电器元件，通过不同的组合方式来描述锂离子电池充放电特性，将电器元件数值化表达，并结合参数辨识算法，仿真锂离子电池的充放电特性，实现锂离子电池相关状态的诊断和估计，精度高，进一步提高了使用时间警示的精确性。

附图说明

图1为本发明平板电脑的使用时间警示系统机构图；

图2为本发明平板电脑的使用时间警示方法流程图；

图3为本发明实施例中Rint等效电路模型结构图；

图4为本发明实施例中Thevenin等效电路模型结构图；

图5为本发明实施例中二阶RC等效电路模型结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种平板电脑的使用时间警示系统，如图1所示，包括：

数据采集收集单元，数据采集收集单元用于采集平板电脑实时运行信息，同时，数据采集收集单元还用于接收平板电脑各元件的理论使用状态信息以及理论使用寿命数据；

建模计算单元，根据平板电脑各元件的理论使用寿命数据建立三维模型，同时，将平板电脑实时运行信息带入三维模型，根据理论使用状态与平板电脑各元件负载状态的比值，计算出在平板电脑实时运行状态下各元件的实际使用寿命，计算式为：

其中，建模计算单元计算平板电脑实时运行状态下各元件的实际使用寿命，检测平板电脑实时运行状态下各元件中氧空位的移动速度与量，采用阿伦尼乌斯方程的高负载模型进行计算，计算式如下：

通过上述计算式，将模型在不同温度以及电压进行模拟实验，预估电脑实时各元件在平板电脑实时运行状态下环境下的使用寿命。

电池估算模块，电池估算模块采用等效电路模型计算电池剩余电量的状态，在计算电池剩余电量的状态时，将平板电脑各元件实时运行状态下的使用寿命带入等效电路模型，具体计算式如下：

进一步的，电池估算模块包括电池剩余电量的状态估算，计算式如下为：

需要说明的是，电池估算模块还包括电池健康状态估算，以电池的当前实际容量与额定容量的比值来定义电池健康状态估算，计算式如下为：

使用时间警示模块，使用时间警示模块用于实时显示剩余电量状态，并且该使用时间警示模块设定提示阈值，当剩余电量不足10%或者电量根据SOC的估算模块算出的电量不足以支撑平板电脑5分钟当前运行状态时，进行警示，使用时间警示模块的具体提醒方法为：

预设用于判断平板电脑电池端电流的电流阈值；

检测平板电脑电池端电流，并将电流与预设电流阈值进步比较；

当电流大于预设电流阈值时，检测平板电脑的使用时间；

根据平板电脑的使用时间对用户进行提醒。

作为需要说明的是，电池估算模块采用深度学习估算电池健康状态，深度学习需要定义卷积神经网络的架构，选择层的类型、选择层数和调整超参数，卷积神经网络的架构包括：

图像输入层，将电压、放电容量、温度数据视为输入图像的三个颜色通道，并将测量值归一化为范围 [0，1]；

卷积层，通过反复试验选择的这种层数在保持合理训练时间的同时提供了最佳结果；

批量归一化层，卷积层后跟一个批量归一化层，加快了网络的训练速度并降低了对网络初始化的敏感性；

ReLU层，批量归一化层后跟一个非线性激活函数，该函数对输入的每个元素执行阈值操作；

还包括：

池化层，用于减少特征图的大小并删除了冗余信息，从而减少了后续层中要学习的参数数量；

全连接层，该层将所有学习到的特征组合到回归层的单个输入中；

回归层，该层为卷积神经网络的架构最终输出层。

作为本实施例需要说明的是，电池估算模块采用等效电路模型计算电池剩余电量的状态中的等效电路模型具体为Rint等效电路模型、Thevenin等效电路模型或二阶RC等效电路模型中的一种；

进一步，如图3所示，Rint模型又称内阻模型，将锂离子电池等效为由一个理想电压源和欧姆内阻串联形成的结构，电压U

U

具体的，如图5所示，二阶RC模型是在Thevenin模型的基础上再串联一个RC并联网络，两个串联的RC并联网络分别用于描述锂离子电池在充放电过程中的电化学极化和浓差极化，U

综上：本发明通过计算平板电脑各元件在实际使用过程中，由于元件老化或者过载会导致实际寿命低于理论使用寿命值，即平板电脑各元件老化程度，老化后的平板电脑各元件耗电状态高于正常状态耗电量，将平板电脑各元件实时运行状态下的使用寿命带入等效电路模型能进一步精准计算出实际的电池剩余电量的状态，从而精确的进行使用时间警示。

作为本实施例可选的方案，上述平板电脑的使用时间警示系统还包括电池剩余使用寿命预测单元，通过该单元预测电池剩余使用寿命，锂离子电池的剩余使用寿命预测能评估电池的可靠性，以确定故障的发生并减轻电池风险；

具体采用LSTM RNN预测器进行锂离子电池的RUL的预测，LSTM RNN预测器包括四个主要组件：长期短期记忆和递归神经网络架构，使用RMSprop方法进行参数优化，用于防止神经网络过度拟合的Dropout，以及通过MC模拟生成预测不确定性的方法。

如图2，本实施例还提供一种平板电脑的使用时间警示方法，包括如下步骤：

S1、采集平板电脑实时运行信息，同时，所述数据采集收集单元还用于接收平板电脑各元件的理论使用状态信息以及理论使用寿命数据；

S2、计算出在平板电脑实时运行状态下各元件的实际使用寿命，从而确定平板电脑各元件的老化程度；

S3、将平板电脑各元件实时运行状态下的使用寿命带入等效电路模型，计算出电池剩余电量的状态；

S4、根据电池剩余电量的状态进行判定，当剩余电量不足10%或者电量根据SOC的估算模块算出的电量不足以支撑平板电脑5分钟当前运行状态时，进行警示，警示通过提示音、震动中的一种或组合方式对用户进行提醒。

上述方法采用平板电脑的使用时间警示系统，并且由于系统中采用等效电路模型利用电感、电阻、电容、电压源、电流源等电器元件，通过不同的组合方式来描述锂离子电池充放电特性，将电器元件数值化表达，并结合参数辨识算法，仿真锂离子电池的充放电特性，实现锂离子电池相关状态的诊断和估计，精度高，进一步提高了使用时间警示的精确性。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。