專利名稱::電池最佳充電曲線搜尋設(shè)備及方法
技術(shù)領(lǐng)域:
:本發(fā)明是關(guān)于一種電池最佳充電曲線搜尋設(shè)備及方法,特別是關(guān)于一種可有效提高電池充電效率與延長電池使用壽命的最佳充電曲線搜尋設(shè)備及方法現(xiàn)有技術(shù)隨著電子產(chǎn)品的設(shè)計與制造尺寸日益縮小,各種便攜式(Portable)電子產(chǎn)品改變了消費(fèi)者的日常生活,產(chǎn)品向便攜式發(fā)展這一趨勢也使得此類產(chǎn)品中的可充電電池日益重要,例如鋰電池、鎳鎘電池與鎳氫電池等常用手機(jī)電池,如何在短時間即完成高容量充電,同時不致于在多次充電后降低此類電池的使用壽命,正為相關(guān)便攜式電子產(chǎn)品是否可在市場更普及以更符合消費(fèi)者的需求;此外,對于早已開發(fā)卻未有實質(zhì)性進(jìn)展的電動機(jī)車,上述所說的充電效率與電池壽命問題同樣是其難以推展的主因?,F(xiàn)有充電器采用的電池充電方式是定電流/定電壓的方式,它是先以一定的電流對電池充電,待其達(dá)到該電池的電壓上限(例如鋰電池約為4.1至4.2伏特)時,再轉(zhuǎn)為定電壓充電,然而,現(xiàn)有的充電方式并不符合快速充電與延長電池使用壽命的需求,因為該定電壓充電階段會會大幅延長充電的時間,也會導(dǎo)致電池使用壽命降低;至于其它現(xiàn)有的多階段充電方式,例如多階段定電流充電(Multi-Step)或多階段脈沖式電流(Multi-StepPulsing)充電,其充電效率要高于定電流/定電壓充電,但其充電時可供選擇的充電曲線組合數(shù)極為驚人,且該數(shù)值會隨著電池充電階段數(shù)的增加與其電化學(xué)(Electrochemical)特性的復(fù)雜程度而漸增,往往會高達(dá)數(shù)十萬組,電池制造商根本不可能在電池出廠前即先行測試出最佳充電組合并將其標(biāo)示在電池上,該測試過程不但耗費(fèi)大量人力物力,同時也會延誤電池的上市時間;此外,對充電器制造商而言,由于它也無力為取得各類電池的最佳充電曲線而進(jìn)行該測試,因此即便其所設(shè)計的充電器具備有可程序化的功能,也難以發(fā)揮最佳化控制的功效;因此,多階段充電方式的充電效率與充電后電池壽命雖比定電流/定電壓充電方式為佳,但是可發(fā)揮其最大功效的最佳充電曲線卻難以通過快速搜尋取得,且隨著電池種類的增加與電池制造配方的大幅改變,該最佳充電曲線的搜尋勢必會更復(fù)雜,導(dǎo)致該多階段充電方式的效率大打折扣,難以滿足需要。因此,如何建立一電池最佳充電曲線搜尋設(shè)備及方法,并將其運(yùn)用于現(xiàn)有的多階段充電中,提高搜尋速度,使電池制造商與充電器制造商可針對同型的電池搭配設(shè)計,并進(jìn)而有效提高電池的充電效率與使用壽命,確是該相關(guān)研發(fā)領(lǐng)域亟需解決的課題。
發(fā)明內(nèi)容為克服上述現(xiàn)有技術(shù)的缺點,本發(fā)明的目的在于提供一種可快速搜尋出最佳電池充電曲線的設(shè)備及方法。本發(fā)明的另一目的在于提供一種電池最佳充電曲線搜尋設(shè)備及方法,以有效提高電池的充電效率。本發(fā)明的再一目的在于提供一種電池最佳充電曲線搜尋設(shè)備及方法,以有效提高電池的使用壽命。為達(dá)上述及其它目的,本發(fā)明提供的電池最佳充電曲線搜尋設(shè)備,用以搜尋在一組多階段充電中,各階段充電參數(shù)的最佳充電曲線,使按該最佳充電曲線的電池,經(jīng)過多階段充電后,電池的容量能夠接近最大的充電容量,該搜尋設(shè)備包括電池測試部,可對多個電池進(jìn)行多階段充電及測量各電池充電后的充電容量;以及運(yùn)算處理部,可依據(jù)適用于組合式最佳化問題的搜尋算法,如螞蟻式搜尋算法,在求得該最佳充電曲線前,不斷從該電池測試部接收各電池前一次充電后測量到的充電容量,根據(jù)各電池前一次充電后測量到的充電容量,決定各電池在下一次充電的充電曲線,并將各電池下一次的充電曲線提供給該電池測試部。本發(fā)明提供的電池最佳充電曲線搜尋設(shè)備,是一可程序化的電池充放電模塊,它包括充電單元、放電單元以及一分別與該充電單元與該放電單元連接的中央處理單元,該中央處理單元是可執(zhí)行一組合式最佳化問題(CombinatorialOptimizationProblem)搜尋算法,如螞蟻式搜尋算法,該可程序化的電池充放電模塊可外接一充電電池組,以借由該中央處理單元對該組合式最佳化問題搜尋算法的運(yùn)算,將一程序化的充電曲線輸入該充電單元中,并依該充電曲線對該充電電池組進(jìn)行一多階段充電。本發(fā)明提供的電池最佳充電曲線搜尋方法,用以搜尋一組多階段充電中電池,各階段充電參數(shù)的最佳充電曲線,使按該最佳充電曲線經(jīng)過多階段充電后的電池接近其最大的充電容量,該方法包括以下步驟(1)對多個電池進(jìn)行多次、多階段充電,并測量各電池充電后的充電容量,其中,第一次充電是按各電池的初始充電曲線,第二次充電以后則按下述步驟(2)中決定的各電池在下一次充電的充電曲線;(2)依據(jù)適用于組合式最佳化問題的搜尋算法,從各電池前一次充電后測量得到的充電容量,決定各電池在下一次充電的充電曲線;以及(3)使各電池放電后重復(fù)上述步驟(1)、(2),直到步驟(2)中各電池在下一次充電的充電曲線中,有一定比例的充電曲線相同時,即結(jié)束搜尋并以該相同的充電曲線作為該最佳充電曲線。本發(fā)明提供的電池最佳充電曲線搜尋方法是將一程序化的組合式最佳化問題搜尋算法輸入一充電單元中,如螞蟻式搜尋算法,并將該搜尋算法的搜尋目標(biāo)設(shè)定為使電池的充電后容量最大化;對一電池組以多階段充電方式進(jìn)行充電,并在充電完成后測量該電池組的充電容量;重復(fù)對該電池組進(jìn)行多次多階段充電,并將每次充電后測量的電池組容量,結(jié)合該組合式最佳化問題搜尋算法進(jìn)行運(yùn)算,據(jù)此決定該電池組在下一次多階段充電的充電曲線;當(dāng)進(jìn)行多階段充電后的充電結(jié)果已達(dá)到一預(yù)先設(shè)定的充電最佳目標(biāo)時,即可終止搜尋,并以該次充電時電池組中最多電池使用的充電曲線,做為該多階段充電的最佳充電曲線。借由上述電池最佳充電曲線搜尋設(shè)備與方法,電池制造商可在電池出廠前,即先行以一程序化的組合式最佳化問題搜尋算法預(yù)先輸入該設(shè)備中,針對待出廠電池可能的充電曲線進(jìn)行搜尋,并借由搜尋算法的數(shù)學(xué)原理,快速搜尋出充電效率最高的最佳充電曲線;可運(yùn)用于本發(fā)明的組合式最佳化問題搜尋算法包括螞蟻式搜尋算法(AntColonySystemAlgorithm)、演化式策略算法(EvolutionStrategies)、基因算算法(GeneticAlgorithms)、類神經(jīng)網(wǎng)絡(luò)(NeutralNetworks)、以及仿真退火法(SimulatedAnnealing)等搜尋方法,此外,任何現(xiàn)有的多階段組合式充電方法均可運(yùn)用本發(fā)明進(jìn)行搜尋測試,包括多階段定電流充電、多階段脈沖電流充電以及多階段定電流/定電壓充電等,均可搭配本發(fā)明進(jìn)行測試以搜尋其個別的最佳充電曲線。綜上所述,本發(fā)明可在電池出廠前將取得的最佳充電曲線標(biāo)示在電池上,也可將該搜尋結(jié)果提供給充電器制造商,加載至充電器并設(shè)定對不同種類電池的最佳充電曲線,如此,既可快速取得最佳充電曲線又不致延誤產(chǎn)品上市時間,也可有效提高電池充電效率與使用壽命,充分符合使用者的需求。圖1是本發(fā)明的電池最佳充電曲線搜尋設(shè)備配置圖;圖2是一現(xiàn)有五階段定電流充電方式示意圖;圖3A至圖3D是本發(fā)明的實施例采用的螞蟻式搜尋算法的發(fā)展原理示意圖;圖4是本發(fā)明的實施例設(shè)計原理示意圖;圖5是本發(fā)明的實施例使用的搜尋設(shè)備示意圖;圖6是本發(fā)明的實施例使用的搜尋方法流程圖;圖7是本發(fā)明的實施例測試過程的電池充電容量趨勢圖;圖8是本發(fā)明的實施例測試過程的電池充電容量標(biāo)準(zhǔn)差趨勢圖;圖9是采用本發(fā)明實施例結(jié)果充電的電池其使用壽命與現(xiàn)有技術(shù)的比較圖;以及圖10是采用本發(fā)明實施例充電的電池,其使用壽命與現(xiàn)有技術(shù)的另一比較圖。具體實施例方式實施例本發(fā)明提出的電池最佳充電曲線搜尋設(shè)備1即如圖1所示,其基本配置圖是一可程序化的電池充放電模塊10,并與多個電池組成的測試電池組20相連接,進(jìn)行一程序化的多階段充電與放電,其中,該可程序化的充放電模塊10包括一中央處理單元11、充電單元12以及放電單元13,該中央處理單元11至少包括有一運(yùn)算部與測量部(未標(biāo)),其中,該運(yùn)算部可將一程序化后的充電曲線(即多階段充電的充電參數(shù))輸入該充電單元12中,使該充電單元12據(jù)該充電曲線對該測試電池組20中的多個電池進(jìn)行多階段充電,該中央處理單元的測量部可在充電后依據(jù)該放電單元13的放電結(jié)果,分別測量該測試電池組20中個別電池的充電后的容量,并將其輸入至該中央處理單元的運(yùn)算部,以計算出下一次多階段充電的新充電曲線,進(jìn)而將該程序化后的新充電曲線輸入該充電單元12,以重復(fù)進(jìn)行上述充電測試直至求得一可接受的最合適的充電曲線為止。圖2是一現(xiàn)有的五階段定電流充電方式示意圖,本發(fā)明的較佳實施例即采用此充電方式,作為求取最佳電池充電曲線(最佳充電電流組合)的范例,當(dāng)然,本發(fā)明提出的方法也可適用于現(xiàn)有的多階段脈沖電流充電或多階段定電流/定電壓充電等方式,同樣可求取其最佳充電曲線;如圖2所示,我們可先針對該五階段充電方式分別設(shè)定一充電電流,且該設(shè)定電流值將隨著階段數(shù)的增加而減小,此設(shè)計是依據(jù)現(xiàn)有多階段定電流充電的原理當(dāng)每一階段的充電后電壓達(dá)至該充電電池電壓的上限時,充電電流值即降低至一預(yù)先設(shè)定值并進(jìn)入下一階段的充電,以避免電池端電壓過高造成電池的毀損;由圖中可看出,每一階段的充電時間,視該階段設(shè)定的電流值大小而定,因此,本發(fā)明要搜尋的最佳電池充電曲線,即是一可使最終充電效率最佳的五階段電流組合,此外,為符合實際充電上的快速充電需求,以本實施例為例,測試前也需對其五階段充電的總時間作一限制,以求取在該設(shè)定時間中可達(dá)最高充電效率的五階段定電流充電曲線;表一所示即為本實施例使用的五階段充電方式中可選擇的充電電流值,其中各電流值的單位是該充電電池的標(biāo)稱容量(RatedCapacity)的對應(yīng)充電電流值,此一電流選擇組合是考慮本實施例所采用的手機(jī)用鋰電池的電壓上限(約4.1至4.2V)與設(shè)定的30分鐘充電總時間而定,其五階段組合共有171,072(12×12×12×11×9)種可能的充電曲線,而本發(fā)明要求取的最佳充電曲線,即是在該充電電池的電壓上限限制的情況下,可在30分鐘充電中達(dá)到最高充電容量的充電曲線,也就是該多階段定電流充電中最佳的電流組合。上述的171,072種充電曲線的組合,若依多階段定電流充電的特性,則每階段充電的電流值均需小于其前一階段電流值,以避免電池的電壓超過其電壓上限,因此實際可適用于該五階段定電流充電的組合應(yīng)少于171,072組,但這仍是一個極大的數(shù)目,電池制造商不可能在出廠前先行針對此大量電流組合逐一測試,本發(fā)明提出的電池最佳充電曲線搜尋方法即可運(yùn)用在此搜尋過程,能夠快速求得該大量組合中的最佳充電曲線;本發(fā)明提出的方法是采用組合式最佳化問題(CombinatorialOptimizationProblem)的搜尋算法,以借其快速尋找充電曲線的最佳解,此類搜尋算法在人工智能領(lǐng)域中已發(fā)展多時,本實施例采用近十年被提出的螞蟻式搜尋算法(AntColonySystemAlgorithm)解決此問題。圖3A至圖3D即為此搜尋算法的發(fā)展原理,它是依據(jù)自然界中螞蟻覓食的原理設(shè)計的,由于螞蟻在覓食時,會在其所經(jīng)過的路徑上留下一種稱為信息素(Pheromone)的化學(xué)物質(zhì),而螞蟻的天性會使每一只螞蟻跟隨先前螞蟻前進(jìn)的機(jī)率,與先前螞蟻留下的信息素數(shù)量成正比,也就是在越多螞蟻選擇的路徑上,其信息素的數(shù)量越多,而下一只螞蟻選擇此路徑的機(jī)率也將越大。如圖所示,當(dāng)在螞蟻巢穴與食物間放置一障礙物時,最初螞蟻選擇障礙物兩端(M、N點)行走的機(jī)率將相同,但由于選擇短端(M點)行走的螞蟻會較快到達(dá)食物處,因此在單位時間中該短端路徑上經(jīng)過的螞蟻數(shù)與殘留的信息素數(shù)量將較長端路徑多,進(jìn)而使后續(xù)的多數(shù)螞蟻均依循該信息素而選擇短端路徑,若時間足夠長,最終所有螞蟻將會如圖3D所示全部選擇短端路徑,這就是螞蟻覓食的最佳路徑,此外,長時間沒有螞蟻經(jīng)過的路徑上的信息素會蒸發(fā)(Evaporation),這一現(xiàn)象會加速螞蟻群尋得一最短的覓食路徑。螞蟻式搜尋算法就是根據(jù)這一自然界螞蟻的特性,建立一虛擬蟻群的運(yùn)算回路,使該虛擬蟻群開始搜尋一預(yù)先設(shè)定的最佳值(FitnessValue),該最佳值即用以模仿真實的蟻群覓食時所尋找的最短路徑,其值可依該搜尋算法所要搜尋的標(biāo)的而定,本搜尋算法的仿真方式在于建立一虛擬信息素的機(jī)率模型,其機(jī)率值將伴隨一虛擬信息素函數(shù)的更新而更新,以作為虛擬蟻群選擇路徑所依據(jù)的機(jī)率,該路徑選擇機(jī)率函數(shù)是假設(shè)每一路徑上虛擬信息素的數(shù)量與選擇該路徑的虛擬螞蟻數(shù)成正比,因此在每一特定時間點上每一路徑被選擇的機(jī)率將會正比于從一開始至此時間點經(jīng)過此路徑的虛擬螞蟻總數(shù),此即該搜尋算法的設(shè)計原理,其中,該決定虛擬蟻群的選擇的路徑選擇機(jī)率函數(shù)是如下所示其中,τ(N)是表示在第N次搜尋中,在路徑(i,j)所殘留的信息素數(shù)量,其是一隨每次搜尋后即更新的虛擬信息素函數(shù),而α則表示該機(jī)率函數(shù)的非線性程度,若α愈大,則若其中一路徑的信息素數(shù)量較另一路徑多,則其被螞蟻選擇的機(jī)率便會被放大愈多;此路徑選擇機(jī)率函數(shù)p(N)將在每完成一次搜尋后即更新,這是由于在此仿真搜尋中每進(jìn)行一次搜尋后該信息素函數(shù)τ(N)將被設(shè)定更新一次,而其信息素的更新算法是如下所示τij(N+1)=ρτij(N)+Σk=1mΔijk]]>其中,ρ是一參數(shù),以使(1-ρ)表示信息素的蒸發(fā)比率,而Δk則是第k只螞蟻在第N次搜尋中在路徑(i,j)所殘留的信息素量,其數(shù)值可表示為其中,Lk表示第k只螞蟻的最佳值大小,其是用以仿真第k只真實螞蟻所搜尋的路徑長度,而Q是一預(yù)先設(shè)定的參數(shù),上述的α、ρ、Q參數(shù)值均可由測試者視所要仿真的真實狀況設(shè)定,此外,為模仿真實蟻群在單位時間在最短路徑殘留最多數(shù)量信息素的情形,我們可在進(jìn)行第N次搜尋的所有虛擬螞蟻尋得的路徑中,針對一最短路徑給予一額外的虛擬信息素增加量,使該路徑可在后續(xù)搜尋中更易被蟻群所選擇,以模仿真實蟻群的搜尋特性,該最佳路徑的虛擬信息素增加算法是如下所示,其中,假設(shè)第N次搜尋中第1只螞蟻所走的路徑是該次搜尋中最短者,則該最短路徑所殘留的信息素數(shù)量將額外加上一增加量τijxy(N+1)=τijxy(N+1)+QF(I→l(N))]]>F(Il)是為第l只螞蟻搜尋的路徑長度,也就是其最佳函數(shù)值,Q則是與上述相同的參數(shù);因此,如同真實蟻群的覓食特性,當(dāng)本搜尋算法進(jìn)行的搜尋次數(shù)愈多,使虛擬蟻群選擇較佳路徑的機(jī)率值p(N)便將愈大,作出同樣較佳搜尋結(jié)果的虛擬蟻群所占全體蟻群的比率也將愈高,這一最多蟻群選擇的搜尋路徑即是一近似最佳路徑,從理論上講,當(dāng)搜尋測試的次數(shù)極大時,所有虛擬蟻群均將選擇同一最佳路徑,在實際運(yùn)用此搜尋算法解決問題時,若考慮測試的時間成本,則僅需當(dāng)一定數(shù)量的虛擬蟻群均已選擇同一路徑時即可結(jié)束測試,該路徑解即是本命題的近似最佳解(Near-OptimumSolution),而該用以決定測試是否可結(jié)束的判別條件則可由測試者預(yù)先設(shè)定。因此,我們可將本實施例的電池五階段充電的最佳充電曲線搜尋依螞蟻式搜尋算法仿真成一如下的最佳化問題最大化最佳函數(shù)F(I)其中,F(xiàn)為電池充電容量I=[I1I2I3I4I5]受限于Ii≥Ij若i<j,i,j=1...5進(jìn)行這一最佳化搜尋前可先行設(shè)定其它充電參數(shù),例如測試電池數(shù)、五階段充電總時間、終止測試條件等,本發(fā)明的實施例是針對15個手機(jī)用鋰電池進(jìn)行測試,并將五階段充電總時間設(shè)定為30分鐘,并以圖1所示的測試設(shè)備與圖2所示的五階段定電流充電方式進(jìn)行測試,可以圖4表示本測試的設(shè)計原理,15只虛擬螞蟻(即表示15個待充電的鋰電池)將由起點巢穴出發(fā),隨機(jī)選擇如表一所示的可選擇充電電流值,如此進(jìn)行五階段電流選擇并完成充電到達(dá)終點,即視為完成一次五階段充電測試,此時,測試系統(tǒng)將依各虛擬螞蟻選擇的充電路徑,計算其信息素函數(shù)并建立其路徑選擇機(jī)率函數(shù),以作為第二次測試時虛擬螞蟻選擇充電路徑的參考,如此重復(fù)更新信息素、機(jī)率函數(shù)與重復(fù)進(jìn)行測試,直至該15只虛擬螞蟻中有一定比例(即預(yù)先設(shè)定的終止測試條件)均選擇相同的充電路徑為止,此時該充電路徑即為一近似最佳的充電電流組合,也就是在該充電條件下的此類型測試電池的最佳充電曲線,本實施例是設(shè)定當(dāng)有60%的虛擬螞蟻尋得相同的路徑時即結(jié)束測試,也就是當(dāng)15個測試電池中有9個電池采用相同的充電曲線充電時測試即終止;以下將更進(jìn)一步說明本發(fā)明的實施例的實施方法。圖5顯示本實施例使用的實際測試設(shè)備,它是由圖1所示的配置圖延伸,其中,采用一美國Bitrode公司開發(fā)的MCN型電池壽命測試機(jī)對測試用的電池進(jìn)行充電與放電,本實施例是同時對15個鋰電池進(jìn)行測試,并在每次五階段充電測試結(jié)束后紀(jì)錄該次測試的充電結(jié)果,以借助外接的計算機(jī)進(jìn)行螞蟻搜尋算法的運(yùn)算,根據(jù)該次充電結(jié)果更新下一次五階段充電的信息素函數(shù)τ(N)與路徑選擇機(jī)率函數(shù)p(N),還將此程序化后的路徑選擇結(jié)果(充電曲線)輸入該BitrodeMCN測試機(jī)中,以重復(fù)進(jìn)行五階段充電測試直至求得一可接受的充電曲線為止。圖6所示的流程圖即是本實施例進(jìn)行螞蟻搜尋的測試流程,在步驟S10中先對要進(jìn)行充電的15個鋰電池進(jìn)行測試,測試項目包括可接受的開路電壓(OCV)、阻抗值、標(biāo)稱容量值與重量等,測試結(jié)果如表二所示,可依此結(jié)果設(shè)定電池的電壓上限與單位充電電流C值等充電參數(shù)。步驟S15將進(jìn)行螞蟻式搜尋算法的設(shè)定,本實施例設(shè)定的參數(shù)分別為充電階段數(shù)=5、可供選擇的電流值則如上述表一所示,至于搜尋算法的參數(shù),則分別設(shè)定成α=1.0、ρ=0.7、Q=800;完成設(shè)定后即進(jìn)入步驟S20,對該15個鋰電池進(jìn)行多階段定電流充電,其是由BitrodeMCN測試機(jī)根據(jù)已程序化的充電曲線進(jìn)行充電,并在充電完成后以一小電流放電,以根據(jù)放電結(jié)果紀(jì)錄每一鋰電池的充電容量,其中,由于第一次測試時尚無虛擬信息素函數(shù)的產(chǎn)生,故其充電曲線是借由一程序化的隨機(jī)選取所決定,所選取的數(shù)值是根據(jù)表一所列的可選擇電流值,該隨機(jī)選取動作仍應(yīng)受每一階段充電電流值小于前一階段電流值的限制,此限制函數(shù)可借程序化的設(shè)計而執(zhí)行;步驟S25是進(jìn)行最佳值的評估,該最佳值是設(shè)定為鋰電池充電后的容量,此搜尋算法的搜尋設(shè)定即在求得一使該最佳值為最大的充電曲線,步驟S25將根據(jù)步驟S20紀(jì)錄的電池充電容量進(jìn)行最佳值的評估,并在步驟30中進(jìn)行計算;步驟30將根據(jù)步驟25的最佳值評估進(jìn)行虛擬信息素函數(shù)的更新,其計算方式是與上述數(shù)學(xué)模型相同,此更新結(jié)果將在步驟S35中決定下一次測試時,該15只虛擬螞蟻選擇充電路徑的路徑選擇機(jī)率函數(shù),并將根據(jù)此一新的機(jī)率函數(shù),分別對該15個鋰電池建立新的充電曲線;步驟S40將程序中紀(jì)錄的測試次數(shù)加1后,即由步驟S45的判別方塊決定是否終止測試,這一判別方塊是由事先設(shè)定的終止測試條件決定,本實施例的終止測試條件是設(shè)定為當(dāng)有60%的虛擬螞蟻尋得相同的路徑時,也就是當(dāng)有9個鋰電池采相同的充電曲線進(jìn)行充電時,本測試即終止,若步驟S35的結(jié)果未符合該終止測試條件,即返回步驟S20,以新的充電曲線重新對15個電池作充電測試,直至找到一個近似最佳的充電曲線為止。表三所列即是本實施例的充電測試結(jié)果,由表中所列數(shù)據(jù)可發(fā)現(xiàn),當(dāng)螞蟻式搜尋算法的搜尋次數(shù)增加后,各電池的充電效率確實也隨之提高,在30分鐘內(nèi)達(dá)至70%以上充電容量的電池數(shù)目顯然隨著測試次數(shù)的增加而漸增,該結(jié)果也顯示本實施例將可在第20次測試即達(dá)到預(yù)先設(shè)定的終止測試條件即至少9個鋰電池以相同的充電曲線進(jìn)行測試,此第20次測試在五階段充電時使用的充電曲線列出如表四,其中編號第1、2、4、5、6、7、8、10、13、14、15號的11個鋰電池均具有相同的充電曲線,也就是有11只虛擬螞蟻均已搜尋到一相同的充電路徑,此結(jié)果顯然已達(dá)到預(yù)先設(shè)定的終止測試條件,同時該多數(shù)選擇的充電曲線即可視為本充電條件下的近似最佳充電曲線,由表四的數(shù)據(jù)可知該充電曲線是分別依2.1C、1.7C、1.5C、1.3C、1.0C的順序進(jìn)行的五階段定電流充電,表三顯示其均可在30分鐘內(nèi)達(dá)到大于70%的充電容量,這與一般所熟知的手機(jī)用鋰電池的充電效率相符合,對鋰電池而言,30分鐘的充電時間可達(dá)的容量上限值,即約為原標(biāo)稱容量的70%左右。圖7和圖8是本實施例測試結(jié)果的數(shù)據(jù)整理,圖7顯示該15個測試電池的充電容量,不論平均值或最大值均將隨著測試次數(shù)的增加而漸增,而圖8顯示該15個電池間的充電容量的標(biāo)準(zhǔn)差將隨著測試次數(shù)的增加而漸減,這兩個圖的趨勢符合螞蟻式搜尋算法的搜尋原理,也就是借由該信息素函數(shù)的更新,每只虛擬螞蟻搜尋到一較佳充電路徑的機(jī)率將漸增,且不同虛擬螞蟻間搜尋到一相同的較佳充電路徑的機(jī)率也將增加,這一趨勢正如附圖所示,反應(yīng)在該15個鋰電池的充電后容量與其標(biāo)準(zhǔn)差的變化上。此外,由于電池在長期使用與多次充電后,其可充電容量值必將逐步下降,使用壽命也隨之日漸降低,因此,為驗證本實施例的功效,它還可在求出該具有高充電效率的充電曲線后,以該充電曲線的多階段充電與現(xiàn)有的定電流/定電壓充電方式作一比較,驗證這兩個充電方式對電池使用壽命的影響。圖9所示就是這兩者的比較結(jié)果,其中用以與本實施例所得的充電曲線對照的是,一以定電流2.1C充電的定電流/定電壓充電方式,所采用測試方法是在每經(jīng)過20個充電周期后,即改以C/3的定電流充電30分鐘并測量其容量值,并以所測得的容量對第一次充電后容量所占的百分比為其容量標(biāo)示單位。如圖所示即可發(fā)現(xiàn)按本實施例得到的充電曲線充電后的電池,其使用壽命要大于現(xiàn)有采取定電流/定電壓充電的電池,若以充電后容量下降至原充電容量的80%為比較基準(zhǔn),可發(fā)現(xiàn)本實施例的充電方法在充電周期達(dá)927時,仍具有80%的容量,反之現(xiàn)有方法僅僅充電696次后其容量便已降至80%,這足以證明本實施例得到的充電曲線,確可減緩電池使用壽命的衰減;對于部分需全程充電(FullyCharged)的電池使用領(lǐng)域而言,也可以一仿真測試,驗證本實施例的功效。圖10所示即為該測試的結(jié)果,其與圖9的測試條件相同,只是不再每隔20個周期改以小電流充電,而是在每一周期均依設(shè)定方式充電并測量比較,從圖中可看出本實施例提出的充電方式,其電池使用壽命要大于采用現(xiàn)有充電方式的電池,且同樣可發(fā)現(xiàn)本實施例的充電方式在充電周期達(dá)377時,仍具有80%的容量,遠(yuǎn)遠(yuǎn)大于現(xiàn)有方式僅充電300次后容量便降至80%。因此,與現(xiàn)有技術(shù)相比較,本發(fā)明的電池最佳充電曲線搜尋設(shè)備及方法,確實能夠有效提高電池充電效率與使用壽命,電池制造商即可以此設(shè)備與相關(guān)組合式最佳化問題的搜尋算法(例如本實施例的螞蟻式搜尋算法)針對可能的充電曲線進(jìn)行搜尋,并在出廠前將得到的最佳充電曲線標(biāo)示在電池上,也可將該搜尋結(jié)果提供給充電器制造商,加入現(xiàn)有充電器并設(shè)定對不同種類電池的最佳充電曲線,如此,既可快速取得最佳充電曲線而不致延誤產(chǎn)品上市時間,也可有效提高電池充電效率與使用壽命,充分符合使用者的需求。表一可選擇的充電電流表二充電用電池的測試結(jié)果表三各次多階段充電測試的電池充電容量百分比表四第20次測試中各鋰電池所使用的充電曲線權(quán)利要求1.一種電池最佳充電曲線搜尋設(shè)備,用以搜尋在一組多階段充電中,各階段充電參數(shù)的最佳充電曲線,使按該最佳充電曲線的電池,經(jīng)過多階段充電后,電池的容量能夠接近最大的充電容量,其特征在于,該搜尋設(shè)備包括電池測試部,可對多個電池進(jìn)行多階段充電及測量各電池充電后的充電容量;以及運(yùn)算處理部,可依據(jù)適用于組合式最佳化問題的搜尋算法,在求得該最佳充電曲線前,不斷從該電池測試部接收各電池前一次充電后測量到的充電容量,根據(jù)各電池前一次充電后測量到的充電容量,決定各電池在下一次充電的充電曲線,并將各電池下一次的充電曲線提供給該電池測試部。2.如權(quán)利要求1所述的電池最佳充電曲線搜尋設(shè)備,其特征在于,該適用于組合式最佳化問題的搜尋算法是螞蟻式搜尋算法。3.一種電池最佳充電曲線搜尋設(shè)備,用于搜尋在一組多階段充電中,各階段充電參數(shù)的最佳充電曲線,使按該最佳充電曲線的電池,經(jīng)過多階段充電后,電池的容量接近最大的充電容量,其特征在于,該搜尋設(shè)備包括電池測試部,可對多個電池進(jìn)行多階段充電及測量各電池充電后的充電容量;以及運(yùn)算處理部,依據(jù)螞蟻式搜尋算法,在求得該最佳充電曲線前,不斷從該電池測試部接收各電池前一次充電后測量到的充電容量,根據(jù)各電池前一次充電后測量到的充電容量,決定各電池在下一次充電的充電曲線,并將各電池下一次充電的充電曲線提供給該電池測試部。4.如權(quán)利要求1或3所述的電池最佳充電曲線搜尋設(shè)備,其特征在于,該電池測試部是一可程控的電池測試裝置,該運(yùn)算處理部是一計算機(jī)。5.如權(quán)利要求4所述的電池最佳充電曲線搜尋設(shè)備,其特征在于,該電池測試裝置可對電池充電及使電池放電的裝置。6.如權(quán)利要求4所述的電池最佳充電曲線搜尋設(shè)備,其特征在于,該電池測試裝置與該計算機(jī)是各自獨立、且他們之間是通過信號連接線相互連接。7.如權(quán)利要求1或3所述的電池最佳充電曲線搜尋設(shè)備,其特征在于,在該多階段充電中,各階段的充電參數(shù)是該多階段充電的各階段的充電電流。8.如權(quán)利要求1或3所述的電池最佳充電曲線搜尋設(shè)備,其特征在于,該運(yùn)算處理部是判斷在下一次充電時,若各個電池的充電曲線中有一定比例的充電曲線相同,即結(jié)束搜尋并以該相同的充電曲線作為該最佳充電曲線。9.如權(quán)利要求1或3所述的電池最佳充電曲線搜尋設(shè)備,其特征在于,該電池是選自由鋰電池、鎳氫電池及鎳鎘電池組成組群中的一個。10.一種電池最佳充電曲線搜尋方法,用以搜尋一組多階段充電中電池,各階段充電參數(shù)的最佳充電曲線,使按該最佳充電曲線經(jīng)過多階段充電后的電池接近其最大的充電容量,其特征在于,該方法包括以下步驟(1)對多個電池進(jìn)行多次、多階段充電,并測量各電池充電后的充電容量,其中,第一次充電是按各電池的初始充電曲線,第二次充電以后則按下述步驟(2)中決定的各電池在下一次充電的充電曲線;(2)依據(jù)適用于組合式最佳化問題的搜尋算法,從各電池前一次充電后測量得到的充電容量,決定各電池在下一次充電的充電曲線;以及(3)使各電池放電后重復(fù)上述步驟(1)、(2),直到步驟(2)中各電池在下一次充電的充電曲線中,有一定比例的充電曲線相同時,即結(jié)束搜尋并以該相同的充電曲線作為該最佳充電曲線。11.如權(quán)利要求10所述的電池最佳充電曲線搜尋方法,其特征在于,該適用于組合式最佳化問題的搜尋算法是螞蟻式搜尋算法。12.一種電池最佳充電曲線搜尋方法,用以搜尋一組多階段充電中的電池,各階段充電參數(shù)的最佳充電曲線,使按該最佳充電曲線經(jīng)過多階段充電后的電池接近最大的充電容量,其特征在于,該方法包括以下步驟(1)對多個電池進(jìn)行多次多階段充電,并測量各電池充電后的充電容量,其中,第一次充電是按各電池的初始充電曲線,第二次充電以后則按下述步驟(2)中所決定的各電池在下一次充電的充電曲線;(2)依據(jù)螞蟻式搜尋算法,從各電池前一次充電后測量得到的充電容量,決定各電池在下一次充電的充電曲線;以及(3)使各電池放電后重復(fù)上述步驟(1)、(2),直到步驟(2)中各電池在下一次充電的充電曲線中,有一定比例的充電曲線相同時,即結(jié)束搜尋并以該相同的充電曲線作為該最佳充電曲線。13.如權(quán)利要求10或12所述的電池最佳充電曲線搜尋方法,其特征在于,該多階段充電的各階段的充電參數(shù)是該多階段充電的各階段的充電電流。14.如權(quán)利要求10或12所述的電池最佳充電曲線搜尋方法,其特征在于,該各電池的初始充電曲線是隨機(jī)產(chǎn)生的。15.如權(quán)利要求10或12所述的電池最佳充電曲線搜尋方法,其特征在于,該電池是選自由鋰電池、鎳氫電池及鎳鎘電池組成組群中的一個。全文摘要一種電池最佳充電曲線搜尋設(shè)備及方法是以一可程序化的電池充放電模塊,對一充電電池組進(jìn)行多次多階段充電測試,該測試是借由該電池充放電模塊執(zhí)行一組合式的最佳化問題搜尋算法的運(yùn)算,借運(yùn)算結(jié)果建立程序化的充電曲線,并依該充電曲線對該電池組進(jìn)行多階段充電,進(jìn)而由該搜尋算法進(jìn)行最大充電容量的搜尋,以搜尋得到該電池組的最佳充電曲線;這樣既可使電池制造商在電池出廠前快速求取一最佳充電曲線,也可將該充電曲線加載至充電器中,以有效提高電池的充電效率與使用壽命。文檔編號H01M10/44GK1567646SQ0314132公開日2005年1月19日申請日期2003年6月10日優(yōu)先權(quán)日2003年6月10日發(fā)明者劉益華,林玉君,鄧人豪申請人:財團(tuán)法人工業(yè)技術(shù)研究院