基于模糊神经网络的动力电池故障诊断研究

汽车动力电池的某些故障比较容易诊断,比如过压、过充、SOC异常等故障,但也存在一些不明显的故障,如电池容量变小、电池内阻大等,无法通过实时采集的电池数据进行诊断。文章便是针对这类故障对电池充放电历史数据进行分析诊断,然后结合模糊理论与神经网络设计电池故障诊断系统。     

奇偶空间法用于电动车锂离子电池传感器故障诊断

在电池1阶等效电路模型的基础上耦合电池产热与传热方程,建立了可反映电池动态响应及热特性的电热模型,在此基础上应用奇偶空间法对电池输出传感器进行故障检测,并提出了一种基于系统矩阵运算的故障隔离方法。以随机电流激励为输入信号,对电池输出传感器故障进行实例分析,结果表明,奇偶空间法所设计的残差生成器可准确检测电池输出传感器故障,其针对故障信号的响应远大于源于建模精确度导致的振荡;经改良后的残差生成器在检测输出传感器故障的基础上,可实现对故障源的准确隔离。     

基于ANFIS的动力电池充电温升预测研究

对某锂离子动力电池进行了试验研究,以分析充电倍率、初始荷电状态和环境温度对锂离子动力电池充电温升的影响,并根据获得的试验数据,建立了基于自适应神经模糊推理系统的电池充电温升预测模型。该模型以充电倍率、初始荷电状态和环境温度作为输入,以充电温升作为输出,对试验数据进行训练后,即可准确预估电池在不同充电条件下的充电温升情况。该方案无须用数学模型准确描述各影响因素与充电温升之间的复杂关系,易于实现,可移植到电池管理系统平台上,以实现充电过程中温度的有效预测和管理。     

桑塔纳轿车充电系统常见故障诊断与排除

桑塔纳轿车充电系常见故障主要有充电指示灯常亮、充电指示灯不亮、发电机输出电压过高和发电机充电量过低等。充电指示灯常亮若发动机和发电机均在中等以上转速运转,充电指示灯保持常亮状态,说明充电系统有不充电故障。造成该故障的原因是:发电机D 接柱至充电指示灯之间导线搭     

基于模糊诊断技术的柴油机故障诊断

由于柴油机随着使用期延长和使用条件的变化会发生多种故障,许多故障现象不易被发现,故障现象与故障原因之间的关系也是模糊不清,借助模糊数学的方法,把模糊现象与因素之间的关系用数学式进行描述,寻找故障的部位和原因。通过实例验证,结果表明,该方法与其他方法有较好的一致性,在故障诊断方面有较高的准确性。     

基于电池能量状态和车辆能耗的电动汽车续驶里程估算

为了提高续驶里程估算精度,在工况识别基础上提出一种基于电池能量状态和车辆能耗的续驶里程估算模型,该模型能有效地消除里程误差并具有较好的收敛性及鲁棒性。在Matlab/Simulink下建立电池模型及整车能耗模型,基于该模型建立工况特征参数与能耗之间的模糊规则库,再对电动空调单独进行续驶里程估算,基于卡尔曼滤波的方法对输出剩余里程进行优化。仿真及试验结果表明,与传统的续驶里程估算方法相比,采用基于电池能量状态和车辆能耗的方法不仅能提高剩余续驶里程估算精度,而且能解决在急剧变化的工况下剩余续驶里程大幅度波动的问题。     

装载机变速装置故障树分析方法

应用故障树分析方法对轮胎式装载机的主要部件--液力机械变速箱进行了分析,根据该部件的结构以及零部件失效与系统之间的逻辑关系,绘制了该部件的故障树,并通过结构函数表示了零部件状态对系统状态的影响.实践证明,故障树所表示的关系与实际使用中发生故障的情况是一致的.     

基于模糊正交试验的OBDⅡ故障字典优化

针对汽车受到路面、燃油和气候等不确定因素的影响,OBDⅡ故障字典诊断准确率降低的问题,提出了一种采用模糊正交试验优化OBDⅡ故障字典的方法。该方法根据OBDⅡ故障字典得到的诊断率与这些不确定因素进行模糊正交试验,利用水平组合隶属度对OBDⅡ字典的临界概率值进行权值优化。试验表明,该方法大大提高了故障诊断的准确率。     

基于容量增量变化量曲线的锂电池健康状态估计

提出了基于容量增量变化量曲线的电池健康状态估计新方法，该曲线具有随电池老化平移不明显的特点，并有利于特征参数的确定和提取。利用随机森林方法分析该曲线上各个函数值的重要性，根据重要性筛选出曲线上可以作为表征参数的函数值，并使用神经网络建立起表征参数与健康状态的映射关系。利用马里兰大学老化数据验证该方法的平均绝对百分比误差为0.77%，健康状态估计值误差基本控制在2%以内，具有较高的精度。     

车用锂离子电池的SOC估算方法研究现状

SOC(State of charge),即电池的荷电状态,它描述的是电池的剩余容量,其数值上表示为电池剩余的荷电量占电池总电量的比值,常用百分数表示。它是电池状态的一个关键指标,SOC的准确估算可以有效的提高电池使用效率,延长电池的使用寿命。荷电状态不能通过直接测量获得,而是需要其它方式来估算。本文对车用锂离子电池SOC估算方法进行了简单的描述,分析了不同方法的优缺点,最后进行了总结。     

基于模糊控制理论并联混合动力城市客车控制策略研究

简单介绍模糊控制理论及其特点,并以汽车请求转矩与发动机当前转速下转矩的差值和电池SOC值为输入、发动机期望转矩为输出设计某并联混合动力城市客车的模糊控制策略,分别采用电机辅助式控制策略和所设计的模糊控制策略进行仿真,比较两种控制策略的效果。     

并联混合动力汽车扭矩管理的模糊控制与仿真

并联混合动力汽车中内燃机和电机之间存在动力的耦合和分离过程,能量管理策略比较复杂。为了进一步合理分配内燃机和电机的动力输出,增强其能量管理策略的鲁棒性,文中分析了电辅助控制策略的不足,提出了基于模糊逻辑控制的包含驾驶员扭矩识别和蓄电池功率平衡的并联混合动力汽车扭矩分配策略,并利用ADVI SOR2002的仿真环境,完成了该模糊逻辑扭矩控制模块的仿真。结果表明,模糊逻辑控制策略满足控制目标,对提高汽车的动力性和燃油经济性、改善排放、保证蓄电池的充放电功率平衡有明显的作用。     

基于云理论的路网可靠性评估方法

以科学评估路网可靠性为目标,认为该问题涉及到对路网可靠性的认知和表达两个方面。视路网可靠性为模糊性与随机性的统一,从而发现其理论基础同云理论有着内在联系,进而采用云理论研究路网整体可靠性的评估。根据路网综合失效的严重程度,将路网可靠性划分为6个等级,将影响可靠性的因素划分为5大类别,并采用路网综合性能模型对5个类别的影响因素进行衡量、对路网可靠性所属等级进行评判。鉴于人脑的思维是对路网可靠性认知与表达的主体,而自然语言是思维的载体,故以语言值来表示可靠性的定性概念与其定量数值之间的不确定性转换,并通过应用分析描述了该方法的应用过程。     

Impedance-based and circuit-parameter-based battery models for HEV power systems

The relationship between voltage and current inside a battery, or the impedance, plays an important role in the simulation and design of hybrid electric vehicle (HEV) power systems. This paper proposes a new approach employing the Bode plot for evaluation of equivalent circuit parameters for a lithium polymer battery (LiPB) for HEV application. The main concept of the proposed circuit-parameter-based model approach is the application of a transfer function used to process the frequency response of the battery for calculation of accurate circuit parameters. Additionally, the Bode plot is also applied to derive the impedance-based model directly from frequency response measurements for short time simulations and practical use in the HEV. Two methods for battery modeling are proposed and verified experimentally with the voltage-current profile of a conventional HEV using the battery measured in this paper. The results show that the proposed circuit-parameter-based technique provides a satisfactory battery equivalent circuit model.     

ISG柴油混合动力客车能量分配策略研究

以ISG柴油混合动力客车整车控制策略为基础,综合考虑客车燃油经济性和排放,提出一种基于模糊神经网络的能量分配策略,该策略根据模糊控制原理,结合人工神经网络自主学习功能,以电池SOC、整车需求转矩以及发动机转速为模糊输入来确定发动机和电机的最佳输出转矩分配,再以神经网络对控制的模糊规则进行记忆.仿真结果表明,该策略比普通逻辑控制更加有利于燃油经济性的提高,并在一定程度上改善了排放性能.     

并联式混合动力电动汽车模糊逻辑控制策略的设计与仿真

在兼顾发动机效率和排放前提下,考虑电池充放电平衡,提出了一种模糊逻辑控制策略.将其嵌入仿真软件ADVISOR中,并在不同道路循环和不同控制策略中进行仿真计算.结果表明,模糊逻辑控制有较好的经济性、鲁棒性,能合理分配发动机和电动机转矩,并保持电池SOC较小的变化范围.     

电动汽车锂电池组充电均衡控制方法研究

锂电池组是电动汽车的主要驱动能源,然而尚不成熟的电池均衡充电技术成为制约电动汽车普及化的最大瓶颈。本文针对锂电池组中因单体电池性能差异造成能量不一致性的不良影响,以各单体电池电压为控制变量,提出一种基于模糊控制的锂电池组充电均衡控制方法。并通过MATLAB仿真分析得出:在充电均衡过程中,利用模糊控制方法调节PWM的占空比,电池组能够较好地完成各单体电池间的能量均衡,证明了该方案的可行性。     

车用汽油机点火正时的模糊控制仿真

为探索车用汽油机点火智能控制的有效方法,对ＣＳ４９２Ｑ汽油机进行台架实验,在得到汽油机性能与点火提前角关系的基础上,以汽油机曲轴转速变化量和转速相对于点火提前角增量的变化率为模糊输入量,点火提前角增量为模糊输出量,建立模糊控制器,对汽油机点火正时进行模糊控制仿真。结果表明,采用模糊控制技术调节汽油机的点火正时,对汽油机的各种工况都有较好的控制精度,对变工况过程有较好的适应性。     

混合动力电动汽车能量自适应模糊控制研究

为了实现混合动力电动汽车两种能量的最佳分配,确保电机、蓄电池的合理运行,建立了前向并联式混合动力电动汽车动力系统模型,提出了采用自适应模糊控制方法对动力系统进行能量分配,设计了控制器,讨论了自组织控制器的规则自我调整过程。整车循环工况仿真试验表明该控制具有较强的鲁棒性,可使电机、发动机、蓄电池等动力设备工作于最佳工况。     

Two-phase evaporative battery thermal management technology for EVs/HEVs

Electric vehicle’s motor draws power from battery to meet its power demand in different road profiles. Battery high discharged currents are causes of warming battery’s cells. The temperature of 40 ºC and above reduces battery life span. The rationale of fuzzy controlled evaporative battery thermal management system (EC-BThMS) development from this study is to control the battery temperature in the range of 20 ~ 40 ºC both in charging/discharging modes. The proposed system has been developed with estimating the total cooling loads and thermal behavior of the battery cells. A fuzzy controlling system has been introduced with the EC-BThMS to control the electro-compressor and the expansion valve based on the response of battery temperature sensors.A battery pack of 8.6 kWh equipped EV has been operated with 60 km/h on 0 % gradient and 40 km/h on 5 % gradient in IIUM campus while 130 km/h on 0 % gradient and 50 km/h on 3.67 % gradient in Malaysia International Formula circuit to study the battery temperature profile and percentage of battery power saving. Comparison has been made on the performance of EC-BThMS with air cooling battery thermal management system (AC-BThMS) by using same vehicle. Result shows that EC-BThMS can save energy 17.69 % more than AC-BThM 1 and 23 % more than AC-BThM 2.