基于特征提取和XGBOOST的电动重卡电池故障预警方法

电池包经常处于深度放电状态会极大地影响电池寿命，在严重情况下甚至会导致停车故障，传统故障诊断方法难以判断电池潜在故障以及故障发生程度。因此，本文提出了一种基于特征提取和XGBoost的电池故障预警方法。该方法对电池数据进行预处理，根据电芯端电压构建新的特征，对电池数据进行标注，建立XGBoost预测模型来预测电压故障，判断动力电池是否欠压。此外，还采用K折交叉验证以及随机搜索算法提高预测的准确性。实验结果表明，该方法可以有效区分故障车和正常车，并提前定位故障发生时间，从而避免潜在的事故风险。