基于数据驱动的电动汽车电池安全风险预测

为了对电池安全风险进行准确预测，本文提出基于一种车-天气-驾驶员的多指标电池安全风险预测方法。首先提取车内外多维度信息即运用数据挖掘提取了天气状况、汽车行驶工况和驾驶风格等多指标特征，以模拟实际的电池应用场景；然后通过随机森林和SHAP组合模型的方式对特征进行筛选，从而提高了模型的泛化性和鲁棒性；最后将电池安全风险预测问题解耦为机器学习预测和时间序列预测问题，分别选择XGBoost和随机森林模型进行预测，并在此基础上建立新的Stacking集成模型对电池安全风险进行预测。最终模型的预测效果和数据实验的结果表明，该方案对电动汽车电池安全风险能做出较为准确的预测，可以为安全化、智能化的电池管理系统提供辅助决策信息。     

基于决策树的异常电池分类方法

提出了一种基于决策树算法的异常电池精准定位和分类方法，帮助人们在电池维修或更换时能够迅速确定故障单体的位置和类型，从而实施准确的维修更换方法，提高故障处理的效率。搭建电池仿真模型获取异常电池的充放电循环数据；以电压数据为基础，训练用于异常电池分类的决策树算法，使用试验数据和云端实车数据对构建的模型进行验证。验证结果表明，该方法能够准确判断异常电池单体在电池组中的位置和异常类型。在不同验证数据上，该方法的分类准确率高达98%以上，能够有效筛选出动力电池组中的异常电池。该结果说明了提出的决策树算法在动力电池异常分类中的有效性和准确性。     

云端数据驱动的锂电池故障分级预警研究

目前还未有一种有效手段针对故障类型未知的车辆云端数据进行无监督式的故障预警，为此本文提出了一种云端数据驱动的锂电池故障分级预警方法。首先通过机理分析选取适用于云端数据特性的特征，构建6类差熵特征集进行多次混合聚类实现对电池健康度的打分评价。通过引入温度信息区分热相关故障并构建预警等级划分准则判断电池故障状态。利用5种现场故障案例进行验证，结果表明，该方法能准确识别故障并区分故障类型，且具有较高的超前性和适应性。     

基于马尔科夫链的高速公路机电设备寿命预测研究模型

利用机电设备的历史故障数据及故障概率,基于马尔科夫链的理论,研究高速公路机电设备故障预测情况,提出了基于马尔科夫链的高速公路机电设备寿命预测研究模型。高速公路机电设备的运行状况和诸多因素相关,存在大量的不确定性和随机性,不同的高速公路机电设备故障概率和设备寿命一般符合浴盆曲线理论,将机电设备的大量历史故障数据转化为极限概率问题,可以判断机电设备的使用寿命和有效寿命。首先运用马尔科夫链的相关理论计算并得出转移概率、极限概率和时间滚动窗口的设备状态之间的关系,掌握设备故障的变化规律;然后根据浴盆曲线理论结合马尔科夫链的方法对转移概率和极限概率进行分析判断设备的有效寿命,并根据极限概率和故障累计次数预测设备的使用寿命。通过应用马尔科夫链的方法对故障概率趋势图的研究建立了一种新的寿命预测模型;并选取高速公路车辆检测器设备进行历史故障数据分析,验证了该预测模型的有效性和实用性。在高速公路机电设备的维护中利用该寿命预测研究模型,判断设备的寿命情况,并预测机电设备的故障发生趋势,可为高速公路机电设备的维护和更新提供决策依据,指导未来设备维修工作的重点,同时评估设备的运行状态可以有效保障系统的正常运行。     

基于SVD-UKF的车用锂离子动力电池传感器故障诊断研究

针对传感器故障诊断问题,提出通过分析模型预测电压与传感器观测电压的残差来诊断传感器是否发生故障的方法。使用无迹卡尔曼滤波 （Unscented Kalman Filter,UKF） 算法估计电池的端电压,并提出使用奇异值分解（Singular Value Decomposition,SVD） 代替平方根法分解,以解决协方差矩阵非正定导致的算法无法正常运行的问题。提出使用累积和 （Cumulative Sum,CUSUM） 法对残差进行分析,通过监测 CUSUM 的变化来判断传感器是否发生故障。以动应力测试 （Dynamic Stress Test,DST） 工况作为验证工况,用 3类常见的传感器故障对提出的方法进行验证。 结果表明,提出的传感器故障检测方法在一些微小故障的检测中,相比于传统的设定残差阈值的方法更灵敏,能更快检测出微小的数据偏移情况。     

基于改进粒子滤波算法实现锂离子电池RUL预测

鉴于采用传统粒子滤波算法来预测锂离子电池剩余使用寿命(RUL)过程中,存在粒子多样性丧失现象而导致RUL预测精度较低的问题,引入线性优化重采样思想,建立了基于线性优化重采样粒子滤波(LORPF)的电池RUL预测方法。该方法以双指数模型作为电池老化模型,通过LORPF算法对模型参数进行迭代更新,实现电池RUL预测并给出预测结果的不确定性表达,最后使用美国国家航空航天局PCoE研究中心的电池数据和自主搭建实验平台的电池数据对所提方法与传统PF方法进行对比验证,结果表明该方法有效提高了RUL预测精度,其误差小于5%。     

基于历史试验数据分析的车辆潜在上市问题预防

提出一种利用历史试验数据进行质量问题预测的方法,该方法基于数据整理及统计,可以在车辆上市之前对重点零部件可能出现的售后抱怨进行预测。在对关键故障类型及其发生工况进行识别之后进行相应预防,同时收集上市后的数据对预防效果进行验证。     

车用锂离子电池剩余使用寿命的混沌时序非线性组合预测模型研究

针对用单一方法难以准确预测锂离子电池剩余使用寿命(RUL)的问题,提出了非线性组合预测模型。对电池系统进行混沌判断,得到与实际容量相关性高的间接参数,利用重构后的数据对Elman网络及非线性自回归(NARX)网络进行训练和预测,得到表征电池性能退化的特征量;然后,用最小二乘支持向量机进行非线性组合,获得RUL的预测值。试验结果表明:非线性组合预测模型的预测精度优于Elman和NARX,具有更强的非线性预测能力。     

基于支持向量机的动力电池故障诊断

电池故障诊断是电池管理系统中一项十分重要的技术。针对电池故障和电池输出状态量之间不确定的关系,采用模糊逻辑可以对模糊关系进行准确描述。选用合适的隶属度函数来表示输出的电压、电流信号,用模糊数学理论表示不确定的电池故障与电池输出状态量之间的关系,生成模糊数据库,用支持向量机对数据进行训练和测试,由结果可知该方法有较高的准确性。     

纯电动客车双电池系统及其控制策略设计

为增加续驶里程,本文提出一种双电池系统,并对该系统的整体设计、充放电控制策略设计和故障判断进行介绍。     

基于移动检测技术的城市路网拥挤预测模型

提出了一种新的基于移动检测技术、神经网络和模糊判断方法的城市路网动态交通拥挤预测模型.首先构建一个3层BP神经网络模型判断路网实时交通流状态,并应用实地移动检测数据和视频数据获取BP神经网络训练样本并对其进行训练;然后结合路网静态拓扑结构,应用多重模糊推理,对路段发生交通拥挤的发生可能性、拥挤程度和形成时间做出预测.现场实测数据表明,该模型具有良好的预测效果.     

基于卡尔曼滤波和特征指数化的电动汽车电池故障诊断方法研究

针对电池组内的热失控、内短路等故障问题，提出了一种基于卡尔曼滤波和特征指数化的电池故障在线诊断方法。首先基于历史数据和卡尔曼滤波方法对电压数据进行降噪，可有效去除异常点，并提出一种特征指数化方法以提取和放大电池组单体之间的电压特征。最后，为了减少电池组不一致性导致的单体电池故障误报，提出一种基于余弦相似度的故障值计算方法以提高算法诊断精确度，并实现故障电池的在线自动检测和定位。云端车辆数据验证结果表明，所提出的基于卡尔曼滤波和特征指数化的电池故障诊断算法能够有效地检测故障电池并进行预警。     

融合经验老化模型和机理模型的电动汽车锂离子电池寿命预测方法研究

为提升实际应用中锂离子动力电池寿命预测精度，本文中提出一种融合经验老化模型和电池机理模型的电池寿命预测方法。该方法以基于经验老化模型SOH预测值作为卡尔曼算法的先验估计，以基于机理模型估计电池未来容量衰减量进而预测得到的SOH作为卡尔曼算法的后验修正，从而实现对锂离子电池寿命的准确预测。基于电芯试验数据的动力电池寿命预测算法验证结果表明，锂离子动力电池剩余寿命预测误差≤5.83%、基于实车数据的锂离子动力电池的剩余寿命预测误差≤8.12%，取得了良好的预测效果，丰富了锂离子动力电池寿命预测的方法。     

凯旋THRUXTON/R宣布召回

正凯旋摩托车近日再次宣布召回:2016到2018款凯旋THRUXTON以及R版车辆。据消息透露此次召回的原因为:发动机故障。为避免故障原因造成事故发生,凯旋宣布从2月9日开始,对有潜在故障车辆进行召回并将会对车辆发动机和冷     

基于车用柴油机不平衡数据集的故障识别组合模型

基于车用柴油机的不平衡数据集,根据对应故障发生频次高与低,将模型建立对象分为样本丰富的大数据量故障与样本集不完备的小数据量故障两种。面向前者,基于XGBoost （Extreme Gradient Boosting） 分类算法构建故障识别模型,面向后者,基于模糊神经网络构建故障识别模型,然后针对两类模型进行参数调节以获得最优效果,并分别建立评估机制。模型评估结果表明,该故障识别组合模型能够较为精确、全面地识别大多数故障种类,是一种对数据量要求不高且总识别率超过80%的多适应性识别模型算法,可作为汽车维保工作中的重要工具使用。     

电池管理系统中一种绝缘电阻检测方法

电动汽车高压电池与整车车身之间的绝缘性能影响整车运行的可靠性和司乘人身安全。绝缘电阻的阻值反映了电气设备绝缘性能好坏,传统的绝缘电阻被动检测方法仅能快速判断出高压电池正负极对车身地绝缘电阻变化趋势,却无法计算出绝缘电阻值,甚至存在无法识别故障的风险。论文提出了一种基于全桥隔离检测电路的主动绝缘检测方法,能够准确计算出高压电池正负极对车身地的等效绝缘电阻值,通过预设绝缘电阻阈值和故障诊断机制判断是否发生绝缘故障,并通过Simulink仿真,进一步验证了检测方法的可行性。     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。     

基于BMS的电动汽车电池管理系统控制

BMS系统是电动汽车中的核心系统,也是提供动力的主要部件,能够对电动汽车进行实时监控和在线监测,从而获取汽车电池系统温度、电流、电压等具体参数和相关信息.另外,BMS系统还能够对电池运行状态和电池组离散性进行科学控制,一旦电池组出现故障或潜在隐患,系统会自动发出报警信号,提醒相关人员采取措施进行处理.基于此,对BMS系...     

三原不解体诊断技术讲座 故障诊断技术的发展历程和我国汽车维修的现状

1故障诊断技术的发展历程所谓故障诊断是指在一定工作环境下查明导致系统某种功能失调的原因或性质,判断劣化状态发生的部位或零部件,以及预测状态劣化的发展趋势等,它包括故障检测、故障定位和故障预测。纵观其发展过程,故障诊断可依据其技术特点分为以下几个阶段。     

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。