本實用新型專利技術涉及一種基于BP神經網絡的智能電池充電器，包括一微控制器以及與其相連的一顯示模塊、一存儲模塊、一采集模塊與一切換電路；所述采集模塊的輸入端連接有一待充電池，用以采集待充電池的溫度、電流以及電壓信息；所述切換電路還連接有復數個充電驅動電路模塊以及所述待充電池；所述存儲模塊用以存儲所述采集模塊采集到的待充電池的溫度、電流以及電壓信息；所述微控制器用以控制所述切換電路切換至相應的充電驅動電路模塊對所述待充電池進行充電并根據所述存儲模塊中的數據對BP神經網絡進行訓練預估充電剩余時間。本實用新型專利技術引入了使用BP神經網絡進行充電剩余時間的預測；能識別不同的電池，針對不同電池設定不同的充電模式。
【技術實現步驟摘要】
本技術涉及電子電路領域，特別是一種基于BP神經網絡的智能電池充電器。
技術介紹
電池是人類社會活動中必不可少的設備之一，對電池充電器的研宄是一個重要的 研宄方向。充電剩余時間的預測，能給人們生活帶來方便，同時人們根據充電時間的把握， 防止電池過度充電，從而延長電池的使用壽命。一般而言，電池充電的剩余時間與當前的電 池狀態表現出非線性的特征，所以難以精確檢測出電池充電的剩余時間，從而電池充電剩 余時間的值不是檢測而是預測。 目前市面上的充電器普遍存在著以下問題：1、無法針對不同電壓的電池進行充 電，一個充電器只能針對一類電池或一種進行充電；2、未能在充電器上顯示充電剩余的時 間；3、對充電剩余時間的預估上，未能考慮當前充電狀態的影響，導致充電剩余時間的預估 上與期望存在較大的偏差，可用性也大大折扣。
技術實現思路
有鑒于此，本技術的目的是提供一種基于BP神經網絡的智能電池充電器，能 夠針對不同電池進行充電，并且引入了BP神經網絡，能對充電剩余時間做出較為精確的預 估。本技術采用以下方案實現：一種基于BP神經網絡的智能電池充電器，包括一 微控制器以及與其相連的一顯示模塊、一存儲模塊、一采集模塊與一切換電路；所述采集模 塊的輸入端連接有一待充電池，所述切換電路還連接有復數個充電驅動電路模塊以及所述 待充電池；所述采集模塊包括一溫度采集模塊、一電流采集模塊以及一電壓采集模塊，用以 采集待充電池的溫度、電流以及電壓信息；所述存儲模塊用以存儲所述采集模塊采集到的 待充電池的溫度、電流以及電壓信息；所述微控制器用以控制所述切換電路切換至相應的 充電驅動電路模塊對所述待充電池進行充電并根據所述存儲模塊中的數據對BP神經網絡 進行訓練預估充電剩余時間；所示顯示模塊用以顯示預估得到的充電剩余時間。進一步地，所述切換電路為繼電器陣列。進一步地，所述的充電驅動電路模塊為DC-DC轉換電路。進一步地，所述的溫度采集模塊為溫度傳感器，采用DS18B20;所述的電流采集模 塊與電壓采集模塊采用放大器與基本元器件構成。進一步地，所述的微控制器為51單片機或STM32。 進一步地，所述的顯示模塊為數碼管或液晶顯示器。進一步地，所述的存儲模塊為EEPR0M或SD卡。 較佳的，所述微控制器通過BP神經網絡進行充電剩余時間的預測，通過存儲模塊 中電流、電壓、溫度、電池類型對神經網絡進行訓練，預測當前充電狀態的剩余充電時間。本技術具有以下有益效果：微控制器先通過識別電池，并切換到相應的充電 電路進行充電；在充電過程中，微控制器獲取充電過程的電池電流、電壓、溫度等數據，并保 存在存儲模塊中；使用存儲模塊中數據對BP神經網絡進行訓練，獲得充電剩余時間的預測 映射函數，并將其顯示在顯示模塊上。【附圖說明】 圖1是本技術一實施例的系統框架圖。 圖2是本技術一實施例的BP神經網絡的拓撲圖。 圖3是本技術一實施例的BP神經網絡的學習步驟流程圖。 圖4是本技術一實施例的該智能電池充電器的執行流程圖。 圖5是本技術一實施例的更新BP神經網絡模型的執行流程圖。【具體實施方式】 下面結合附圖及實施例對本技術做進一步說明。 本實施例提供一種基于BP神經網絡的智能電池充電器，圖1為本技術一實施 例的系統框架圖，如圖1所示，所述的智能電池充電器包括一種基于BP神經網絡的智能電 池充電器，包括一微控制器以及與其相連的一顯示模塊、一存儲模塊、一采集模塊與一切換 電路；所述采集模塊的輸入端連接有一待充電池，所述切換電路還連接有復數個充電驅動 電路模塊以及所述待充電池；所述采集模塊包括一溫度采集模塊、一電流采集模塊以及一 電壓采集模塊，用以采集待充電池的溫度、電流以及電壓信息；所述存儲模塊用以存儲所述 采集模塊采集到的待充電池的溫度、電流以及電壓信息；所述微控制器用以控制所述切換 電路切換至相應的充電驅動電路模塊對所述待充電池進行充電并根據所述存儲模塊中的 數據對BP神經網絡進行訓練預估充電剩余時間；所示顯示模塊用以顯示預估得到的充電 剩余時間。 在本實施例中，所述切換電路為用以進行充電驅動電路模塊切換的開關網絡。 在本實施例中，所述的充電驅動電路模塊為具有DC-DC轉換的Buck電路。。 在本實施例中，所述的溫度采集模塊為溫度傳感器，采用DS18B20 ;所述的電流采 集模塊與電壓采集模塊采用放大器與基本元器件構成。 在本實施例中，所述的微控制器為51單片機或STM32。 在本實施例中，所述的顯示模塊為數碼管或液晶顯示器。 在本實施例中，所述的存儲模塊為EEPR0M或SD卡。 在本實施例中，所述微控制器采用BP神經網絡進行充電剩余時間的預估。所述的 BP神經網絡的學習數據包括了采集模塊采集到的電流、電壓、溫度和開關網絡獲得的電池 類型信息，并用于基于由完成神經網絡算法和學習算法產生的最終學習算法公式，輸出預 估的充電剩余時間，通過BP神經網絡不斷迭代執行學習算法，從而更新該學習算法來產生 最終的輸出。 在本實施例中，圖2為BP神經網絡的拓撲圖，如圖2所示，所述的基于BP神經網 絡的智能電池充電器的BP神經網絡采用4輸入層、5隱藏層和1輸出層的網絡結構，具體建 立過程按下列方式實施： 將充電時采集到的第n個的電流、電壓Un、溫度T"和電池的類型的值作為輸當前第1頁1 2 本文檔來自技高網...
【技術保護點】
一種基于BP神經網絡的智能電池充電器，其特征在于：包括—微控制器以及與其相連的一顯示模塊、一存儲模塊、一采集模塊與一切換電路；所述采集模塊的輸入端連接有一待充電池，所述切換電路還連接有復數個充電驅動電路模塊以及所述待充電池；所述采集模塊包括一溫度采集模塊、一電流采集模塊以及一電壓采集模塊，用以采集待充電池的溫度、電流以及電壓信息；所述存儲模塊用以存儲所述采集模塊采集到的待充電池的溫度、電流以及電壓信息；所述微控制器用以控制所述切換電路切換至相應的充電驅動電路模塊對所述待充電池進行充電并根據所述存儲模塊中的數據對BP神經網絡進行訓練預估充電剩余時間；所示顯示模塊用以顯示預估得到的充電剩余時間。
【技術特征摘要】
【專利技術屬性】
技術研發人員：程樹英，林鵬程，林培杰，
申請(專利權)人：福州大學，
類型：新型
國別省市：福建;35
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。