本发明涉及电动汽车换电，尤其涉及一种兼容多电池包的智能换电站、控制方法、设备及介质。
背景技术：
1、近年来，随着全球对环保和可持续发展的重视，新能源汽车nev尤其是电动汽车ev的推广使用得到了政府的大力支持，政策推动和市场需求的增长促进了充电和换电基础设施的发展，其中包括对高效、兼容性强的换电技术的需求。但目前的换电站技术在兼容性方面存在不足，主要体现在对不同品牌、不同车型和不同型号电池包的支持上，换电站往往只能服务于特定的车辆和电池类型，限制了其通用性和用户范围。
2、电池包的锁止方式多样，包括卡扣式、螺栓式和旋压式等，增加了换电作业的复杂性。不同的锁止方式需要特定的加解锁方法，而现有的换电技术往往不能很好地应对这种多样性。
3、公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、本发明提供了一种兼容多电池包的智能换电站、控制方法、设备及介质，从而有效解决背景技术中的问题。
2、为了达到上述目的，本发明所采用的技术方案是：一种兼容多电池包的智能换电站控制方法，包括如下步骤：
3、获取需换电车辆的车辆信息，从数据库中检索对应的电池包加解锁孔型号类型及其具体参数；
4、当换电车辆停至换电操作平台时，获取车辆底盘的图像，确定车辆底盘的初始位姿；
5、对所述初始位姿进行处理，提取加解锁孔圆心坐标和加解锁孔的法向量方向；
6、将加解锁孔圆心坐标和加解锁孔的法向量方向与数据库中检索的电池包加解锁孔型号类型及其具体参数进行比对，确定信息是否一致；
7、若不一致，提示用户驶离换电操作平台；若一致，换电agv选择对应的加解锁操作方式，调取库中的电池，对车辆电池进行更换；
8、换电完成，生成换电报告，允许用户驶离。
9、进一步地，所述获取需换电车辆的车辆信息，包括如下步骤：
10、在换电站入口设置摄像头，对驶入换电站的换电车辆捕捉车辆图像；
11、对图像进行尺寸调整和色彩空间转换；
12、使用canny边缘检测算法提取车辆轮廓，利用hough变换方法检测车辆轮廓中的几何形状，获取车辆的点云数据；
13、利用欧式聚类算法将点云数据中的不同物体分组，从聚类后的点云中提取车辆轮廓的关键特征点，将图像特征与点云特征进行融合，形成一个完整的特征向量；
14、加载预先训练好的深度学习模型，将特征向量输入到所述深度学习模型中，输出车辆的分类结果。
15、进一步地，所述获取车辆底盘的图像，确定车辆底盘的初始位姿，包括如下步骤：
16、通过视觉传感器捕获车辆底盘的原始图像，将捕获的原始图像裁剪并缩放到设定尺寸；
17、利用深度学习模型进行特征提取，所述深度学习模型对输入的图像进行下采样处理，并预测目标边界框中心点的位置及其偏置，生成特征图；
18、基于特征图预测目标边界框中心点的位置及其偏置，及目标边界框的宽度和高度；
19、获取相机的内参和外参，利用warpaffine仿射变换，将特征图中预测的关键点位置转换到原始图像的空间坐标中，基于三维空间还原的结果，生成车底盘的点云数据；
20、对点云数据进行体素滤波，去除噪声点；
21、对过滤后的点云进行欧式聚类，利用主成分分析pca对点云数据进行分析，找出点云数据的主要方向，估计车底盘的大致方向；
22、采用随机抽样一致性ransac算法对点云数据进行拟合，排除异常值，获得车底盘的平面模型；
23、基于pca分析和ransac拟合的结果，确定车底盘的初始位姿。
24、进一步地，所述对所述初始位姿进行处理，提取加解锁孔圆心坐标和加解锁孔的法向量方向，包括：
25、对所述初始位姿进行去噪、对比度增强的预处理，并将原始rgb图像转换为hsv颜色空间；
26、在hsv颜色空间中设置阈值进行分割，使用canny边缘检测算法识别图像中的边缘；
27、使用开运算和闭运算去除小的干扰斑点或连接断开的边缘，利用霍夫圆变换检测图像中的圆形轮廓，初步定位加解锁孔的位置；
28、设置检测参数，获取每个检测到的圆的圆心坐标和半径，对于每个初步定位的加解锁孔，使用最小二乘方法拟合一个平面模型；
29、在平面模型中，对于初步定位的加解锁孔圆心周围选取一个区域作为感兴趣区域roi，利用最小二乘法拟合此区域内点集的平面方程，根据平面拟合结果调整圆心位置；
30、从最小二乘平面拟合得到的平面方程中提取法向量，确认法向量方向是否正确指向加解锁孔的开口方向；
31、输出最终确定的加解锁孔圆心坐标和加解锁孔的法向量方向。
32、进一步地，所述换电agv选择对应的加解锁操作方式，调取库中的电池，对车辆电池进行更换，包括：
33、通过空间转位设计，所述换电agv实现不同加解锁方式之间的切换；
34、使用高度切换机制，根据不同车型电池包的高度差异自动调节加解锁机构的高度；
35、在加解锁过程中，通过自适应浮动，根据电池包的位置变化进行微调。
36、进一步地，所述换电agv选择对应的加解锁操作方式，调取库中的电池，对车辆电池进行更换，还包括：
37、通过双agv协同控制方法进行电池更换操作，具体包括：
38、通过通信协议连接换电站内独立控制的换电agv；
39、对换电agv进行时间同步：采用ntp时间同步协议，确保所有agv和站控系统的时间戳一致；
40、根据任务需求、agv当前状态、车辆到达顺序、电池包类型，进行任务规划，动态为每个agv分配任务；
41、采用调度算法，对于换电车辆，同时指定一个agv进行拆卸操作，另一个agv进行装配操作。
42、进一步地，所述通过双agv协同控制方法进行电池更换操作，还包括：
43、自主故障监测与容错控制：当其中一个agv发生故障时，另一个agv切换到单机模式继续完成换电任务，并发送故障信息。
44、进一步地，所述通过双agv协同控制方法进行电池更换操作，还包括：
45、通过领导者-追随者leader-follower策略，双agv保持设定范围的间距和角度偏差，利用距离传感器和角度传感器实时监控并调整间距，实时检测两个agv之间的相对距离，采用间距控制算法，确保两个agv在单轨上行驶时保持安全距离。
46、进一步地，还包括电池包有序充电控制方法，包括如下步骤：
47、有序充电策略：基于改进布谷鸟搜索算法csa，根据电池的soc、电池的健康状态和车辆的预定使用时间，通过随机游走和选择最优解来探索解决方案空间，自动排序电池的充电优先级；
48、负荷预测及平滑策略：持续收集换电站内每块电池的实时数据，利用基于历史数据的新鲜度函数和交叉熵的组合预测模型，接收电网的实时负荷数据，结合自身的负荷预测，预先规划充电功率的分配；
49、电池包优化调度策略：基于先进先出fifo原则，确保最早进入仓库的电池最先被使用。
50、进一步地，所述有序充电策略还包括：
51、实时监测电网状态和充电进度，当检测到电网负荷异常升高，调整充电计划，减少充电功率直至电网负荷恢复正常；
52、接收电网法布的实时电价信息，当检测到电价处于低谷时，增加充电功率；反之，在电价高峰时减少充电或停止充电。
53、进一步地，所述负荷预测及平滑策略还包括：
54、利用基于历史数据的新鲜度函数和交叉熵的组合预测模型，分析过去充电模式、天气条件、节假日效应对充电需求的影响；
55、通过灰色关联度分析，找出与预测日气象条件、日类型等特征相似的历史日，作为预测的基准，基于交叉熵算法动态调整单一预测模型的权重；
56、结合预测方法如时间序列分析、机器学习模型的预测结果，形成最终预测；
57、通过粒子群算法，计算出次日的充电计划。
58、进一步地，所述电池包优化调度策略还包括：
59、实时收集电池的电压、电流、温度、soc的关键参数，评估电池的健康状况；
60、利用大数据分析和机器学习技术，预测电池的寿命趋势；
61、设定电池健康状态的阈值，一旦监测到电池状态低于这一阈值，立即从换电服务中移除，进行检查或修复；
62、维持超过设定数量的满电备用电池，通过均衡使用所有电池，避免某一块电池过度充电或放电。
63、本发明还包括一种兼容多电池包的智能换电站，包括：
64、通信连接的站控系统、智能换电设备和智能电池管理仓；
65、所述智能换电设备包括若干agv，所述agv上包括若干加解锁模块，对应不同车型和电池包的锁止方式；
66、所述智能电池管理仓中存储有若干电池，并对存储的电池进行充电；
67、所述站控系统用于获取需换电车辆的车辆信息，从数据库中检索对应的电池包加解锁孔型号类型及其具体参数；当换电车辆停至换电操作平台时，获取车辆底盘的图像，确定车辆底盘的初始位姿；对所述初始位姿进行处理，提取加解锁孔圆心坐标和加解锁孔的法向量方向；将加解锁孔圆心坐标和加解锁孔的法向量方向与数据库中检索的电池包加解锁孔型号类型及其具体参数进行比对，确定信息是否一致；若不一致，提示用户驶离换电操作平台；
68、若一致，所述智能换电设备控制换电agv选择对应的加解锁操作方式，调取智能电池管理仓中的电池，对车辆电池进行更换；
69、换电完成，所述站控系统生成换电报告，允许用户驶离。
70、进一步地，所述站控系统包括：
71、技术架构，所述技术架构用于所述站控系统与智能换电设备、智能电池管理仓及换电站内设备和系统进行实时通信，感知换电的全过程信息、监测换电站内的环境信息，为换电站运营系统、政府管理平台提供换电监测数据；
72、网络架构，所述网络架构用于采用tcp/ip网络协议，支持多元设备的接入与采集，站控系统采用mysql数据存储处理，具备sql查询算法；
73、业务架构，所述业务架构用于通过换电监控确保自动化换电流程的顺畅，辅助设备监控维持站内环境和设施的稳定，安全管理预防和应对潜在风险，运行分析提供决策支持，系统管理协调设备与用户数据，服务管理促进与外部平台的无缝对接。
74、进一步地，所述智能换电设备还包括：
75、柔性化换电操作平台，用于自动调整车辆位置，提供固定的电动汽车停放的操作区域，适应多种类型轮距和轴距的换电车辆，并对换电车辆自动定位。
76、进一步地，所述agv还包括麦克纳姆轮、伺服电机、视觉系统、激光雷达和传感器；
77、还包括：
78、空间转位机构，所述agv通过所述空间转位机构实现不同加解锁方式之间的切换；
79、高度切换机构，用于根据不同车型电池包的高度差异自动调节加解锁机构的高度；
80、自适应浮动机构，所述自适应浮动机构在加解锁过程中，自适应浮动，根据电池包的位置变化进行微调。
81、进一步地，所述智能电池管理仓包括：
82、动态充电调度单元：采用机器学习算法预测电池需求和电网负荷，动态调整充电计划；
83、电池寿命优化单元：用于根据电池类型和当前状态，选择最合适的充电速率，避免过度充电或放电，延长电池寿命，基于数据分析制定定期维护计划，确保电池包的长期健康状态；
84、灵活存储与调度单元：用于和换电agv联动控制，实现电池包的自动存储和提取，根据电池状态和充电需求，自动分配电池包至充电站或存储区。
85、进一步地，所述智能电池管理仓还包括：
86、有序充电单元，用于基于改进布谷鸟搜索算法csa，根据电池的soc、电池的健康状态和车辆的预定使用时间，通过随机游走和选择最优解来探索解决方案空间，自动排序电池的充电优先级；
87、负荷预测及平滑单元，用于持续收集换电站内每块电池的实时数据，利用基于历史数据的新鲜度函数和交叉熵的组合预测模型，接收电网的实时负荷数据，结合自身的负荷预测，预先规划充电功率的分配；
88、电池包优化调度单元，用于基于先进先出fifo原则，确保最早进入仓库的电池最先被使用。
89、进一步地，所述有序充电单元还用于：
90、实时监测电网状态和充电进度，当检测到电网负荷异常升高，调整充电计划，减少充电功率直至电网负荷恢复正常；
91、接收电网法布的实时电价信息，当检测到电价处于低谷时，增加充电功率；反之，在电价高峰时减少充电或停止充电。
92、进一步地，所述负荷预测及平滑单元还用于：
93、利用基于历史数据的新鲜度函数和交叉熵的组合预测模型，分析过去充电模式、天气条件、节假日效应对充电需求的影响；
94、通过灰色关联度分析，找出与预测日气象条件、日类型等特征相似的历史日，作为预测的基准，基于交叉熵算法动态调整单一预测模型的权重；
95、结合预测方法如时间序列分析、机器学习模型的预测结果，形成最终预测；
96、通过粒子群算法，计算出次日的充电计划。
97、进一步地，所述电池包优化调度单元还用于：
98、实时收集电池的电压、电流、温度、soc的关键参数，评估电池的健康状况；
99、利用大数据分析和机器学习技术，预测电池的寿命趋势；
100、设定电池健康状态的阈值，一旦监测到电池状态低于这一阈值，立即从换电服务中移除，进行检查或修复；
101、维持超过设定数量的满电备用电池，通过均衡使用所有电池，避免某一块电池过度充电或放电。
102、进一步地，所述站控系统还包括车辆信息识别单元，用于：
103、在换电站入口设置摄像头，对驶入换电站的换电车辆捕捉车辆图像；
104、对图像进行尺寸调整和色彩空间转换；
105、使用canny边缘检测算法提取车辆轮廓，利用hough变换方法检测车辆轮廓中的几何形状，获取车辆的点云数据；
106、利用欧式聚类算法将点云数据中的不同物体分组，从聚类后的点云中提取车辆轮廓的关键特征点，将图像特征与点云特征进行融合，形成一个完整的特征向量；
107、加载预先训练好的深度学习模型，将特征向量输入到所述深度学习模型中，输出车辆的分类结果。
108、进一步地，所述站控系统还包括初始位姿识别单元，用于：
109、通过视觉传感器捕获车辆底盘的原始图像，将捕获的原始图像裁剪并缩放到设定尺寸；
110、利用深度学习模型进行特征提取，所述深度学习模型对输入的图像进行下采样处理，并预测目标边界框中心点的位置及其偏置，生成特征图；
111、基于特征图预测目标边界框中心点的位置及其偏置，及目标边界框的宽度和高度；
112、获取相机的内参和外参，利用warpaffine仿射变换，将特征图中预测的关键点位置转换到原始图像的空间坐标中，基于三维空间还原的结果，生成车底盘的点云数据；
113、对点云数据进行体素滤波，去除噪声点；
114、对过滤后的点云进行欧式聚类，利用主成分分析pca对点云数据进行分析，找出点云数据的主要方向，估计车底盘的大致方向；
115、采用随机抽样一致性ransac算法对点云数据进行拟合，排除异常值，获得车底盘的平面模型；
116、基于pca分析和ransac拟合的结果，确定车底盘的初始位姿。
117、进一步地，所述站控系统还包括加解锁孔识别单元，用于：
118、对所述初始位姿进行去噪、对比度增强的预处理，并将原始rgb图像转换为hsv颜色空间；
119、在hsv颜色空间中设置阈值进行分割，使用canny边缘检测算法识别图像中的边缘；
120、使用开运算和闭运算去除小的干扰斑点或连接断开的边缘，利用霍夫圆变换检测图像中的圆形轮廓，初步定位加解锁孔的位置；
121、设置检测参数，获取每个检测到的圆的圆心坐标和半径，对于每个初步定位的加解锁孔，使用最小二乘方法拟合一个平面模型；
122、在平面模型中，对于初步定位的加解锁孔圆心周围选取一个较小的区域作为感兴趣区域roi，利用最小二乘法拟合此区域内点集的平面方程，根据平面拟合结果调整圆心位置；
123、从最小二乘平面拟合得到的平面方程中提取法向量，确认法向量方向是否正确指向加解锁孔的开口方向；
124、输出最终确定的加解锁孔圆心坐标和加解锁孔的法向量方向。
125、进一步地，所述站控系统还包括agv控制单元，用于：
126、通过通信协议连接换电站内独立控制的换电agv；
127、对换电agv进行时间同步：采用ntp时间同步协议，确保所有agv和站控系统的时间戳一致；
128、根据任务需求、agv当前状态、车辆到达顺序、电池包类型，进行任务规划，动态为每个agv分配任务；
129、采用调度算法，对于换电车辆，同时指定一个agv进行拆卸操作，另一个agv进行装配操作。
130、进一步地，所述站控系统还包括故障处理单元，用于：
131、当其中一个agv发生故障时，另一个agv切换到单机模式继续完成换电任务，并发送故障信息。
132、进一步地，所述站控系统还包括距离控制单元，用于：
133、通过领导者-追随者leader-follower策略，双agv保持设定范围的间距和角度偏差，利用距离传感器和角度传感器实时监控并调整间距，实时检测两个agv之间的相对距离，采用间距控制算法，确保两个agv在单轨上行驶时保持安全距离。
134、进一步地，所述agv还包括模式切换单元，用于：
135、根据换电任务的不同阶段，自动或手动切换agv的拆卸模式、转运模式、装配模式。
136、本发明还包括一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述的方法。
137、本发明还包括一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述的方法。
138、本发明的有益效果为：本发明通过图像处理技术来自动识别车辆底盘的加解锁孔位姿，结合数据库中的参数信息，以确保兼容性，并且选择适合的加解锁操作方式。这种基于智能识别和自动化操作的换电控制方法能够有效应对多样化的电池包和车辆类型，提高换电站的通用性和效率。且在加解锁操作前进行多重校验，确保操作的安全可靠，避免因信息不一致或误判导致的操作失误。
1.一种兼容多电池包的智能换电站控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的兼容多电池包的智能换电站控制方法，其特征在于，所述获取需换电车辆的车辆信息，包括如下步骤：
3.根据权利要求1所述的兼容多电池包的智能换电站控制方法，其特征在于，所述获取车辆底盘的图像，确定车辆底盘的初始位姿，包括如下步骤：
4.根据权利要求1所述的兼容多电池包的智能换电站控制方法，其特征在于，所述对所述初始位姿进行处理，提取加解锁孔圆心坐标和加解锁孔的法向量方向，包括：
5.根据权利要求1所述的兼容多电池包的智能换电站控制方法，其特征在于，所述换电自动导向车agv选择对应的加解锁操作方式，调取库中的电池，对车辆电池进行更换，包括：
6.根据权利要求1所述的兼容多电池包的智能换电站控制方法，其特征在于，所述换电自动导向车agv选择对应的加解锁操作方式，调取库中的电池，对车辆电池进行更换，还包括：
7.根据权利要求6所述的兼容多电池包的智能换电站控制方法，其特征在于，所述通过双agv协同控制方法进行电池更换操作，还包括：
8.根据权利要求6所述的兼容多电池包的智能换电站控制方法，其特征在于，所述通过双agv协同控制方法进行电池更换操作，还包括：
9.根据权利要求1所述的兼容多电池包的智能换电站控制方法，其特征在于，还包括电池包有序充电控制方法，包括如下步骤：
10.根据权利要求9所述的兼容多电池包的智能换电站控制方法，其特征在于，所述有序充电策略还包括：
11.根据权利要求9所述的兼容多电池包的智能换电站控制方法，其特征在于，所述负荷预测及平滑策略还包括：
12.根据权利要求9所述的兼容多电池包的智能换电站控制方法，其特征在于，所述电池包优化调度策略还包括：
13.一种兼容多电池包的智能换电站，其特征在于，包括：
14.根据权利要求13所述的兼容多电池包的智能换电站，其特征在于，所述站控系统包括：
15.根据权利要求13所述的兼容多电池包的智能换电站，其特征在于，所述智能换电设备还包括：
16.根据权利要求13所述的兼容多电池包的智能换电站，其特征在于，所述agv还包括麦克纳姆轮、伺服电机、视觉系统、激光雷达和传感器；
17.根据权利要求13所述的兼容多电池包的智能换电站，其特征在于，所述智能电池管理仓包括：
18.根据权利要求17所述的兼容多电池包的智能换电站，其特征在于，所述智能电池管理仓还包括：
19.根据权利要求18所述的兼容多电池包的智能换电站，其特征在于，所述有序充电单元还用于：
20.根据权利要求18所述的兼容多电池包的智能换电站，其特征在于，所述负荷预测及平滑单元还用于：
21.根据权利要求18所述的兼容多电池包的智能换电站，其特征在于，所述电池包优化调度单元还用于：
22.根据权利要求13所述的兼容多电池包的智能换电站，其特征在于，所述站控系统还包括车辆信息识别单元，用于：
23.根据权利要求13所述的兼容多电池包的智能换电站，其特征在于，所述站控系统还包括初始位姿识别单元，用于：
24.根据权利要求13所述的兼容多电池包的智能换电站，其特征在于，所述站控系统还包括加解锁孔识别单元，用于：
25.根据权利要求13所述的兼容多电池包的智能换电站，其特征在于，所述站控系统还包括agv控制单元，用于：
26.根据权利要求25所述的兼容多电池包的智能换电站，其特征在于，所述站控系统还包括故障处理单元，用于：
27.根据权利要求25所述的兼容多电池包的智能换电站，其特征在于，所述站控系统还包括距离控制单元，用于：
28.根据权利要求13所述的兼容多电池包的智能换电站，其特征在于，所述agv还包括模式切换单元，用于：
29.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-12中任一项所述的方法。
30.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-12中任一项所述的方法。
