基于CNN探测电动汽车电池内部缺陷分析

电动车辆发生安全事故后,其外部因素和非电池部件的影响因素很容易被识别出来,但是电池内部原因很难深入分析。利用电池缺陷设计正向试验,发现4类缺陷可能造成电池起火,通过电子计算机断层扫描探测识别出各类电池失效后的形貌照片。引入CNN(Convolutional Neural Network,卷积神经网络),将电池失效问题从人为判断转化为机器学习,以增加识别精确度,快速解决电池失效问题,并避免新产品出现同样问题。     

锂电池安全预警的神经网络算法研究

据不完全统计,2020年国内电动汽车起火案例已经超过100起,用户对于电动汽车的安全性关注程度剧增.为充分辨认电动汽车的安全程度,利用神经网络算法进行车辆安全预警分析,以反向传播算法为主体,通过多参数耦合方式来预判车辆发生安全问题的概率.通过外部因素,如车辆使用环境、用户习惯等;内部因素,如锂电池的老化、析锂情况等进行神经网络的参数叠加.为提高算法的准确性,使用海鸥算法对神经网络进行优化,在原算法的基础上,进一步提高神经网络收敛到期望误差的速度,增强全局搜索能力.在算法拟合上优化程度提升了99.75％,模型算法与输出结果相吻合.采用单个车辆对模型算法进行验证,通过优化模型可以准确识别车辆发生安全风险的概率.     

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。     

基于混合高斯-隐马尔可夫模型的动力电池实时热失控检测

随着电动汽车在我国的发展，动力电池的安全性能成为评价电动汽车综合产品力的重要指标，其中动力电池热失控的检测对乘车人员的安全至关重要。针对传统热失控检测方法在实际应用中难以准确做出判断的问题，从电池传感器直接观测的电压、电流、时间等参数中提取状态特征向量，使用混合高斯模型对特征进行最优化筛选。分别对动力电池不同的安全状态评估其混合概率分布，通过BW方法建立隐马尔可夫模型，利用维特比算法对当前观测序列计算相似概率来判断当前电池的健康状况。实验结果表明，隐马尔可夫模型对动力电池热失控的识别较常见时序检测方法更为准确，可以实现在无需电化学仪器检测的前提下达到初步热失控风险检测的目的，提升安全检测效率，降低检测成本。     

基于遗传算法优化支持向量回归的电池SOH预测

针对实车运行过程中电池当前可用容量难获取、电池健康状态评估不准确的问题,提出利用车辆的停车充电片段数据,通过箱型图及卡尔曼滤波算法对安时积分法计算所得的电池容量进行修正,构建支持向量回归模型用于电池衰减预测,通过皮尔森相关性分析确定有效的模型输入参数,结合遗传算法优化模型参数。结果表明：优化后模型的拟合优度可达88%,相较于优化前提高了12%,可以实现电池健康状态的准确预测。     

纯电动汽车用磷酸铁锂电池的模型参数分析

鉴于纯电动汽车用磷酸铁锂电池在不同荷电状态下的电池特性差异较大,传统参数辨识方法得到的电池模型参数拟合精度较低.本文采用电化学阻抗谱来分析等效电路模型参数,以研究电池的电压特性和动态功率特性,通过综合分析实际充放电条件的主要特征来提取电池典型的参数辨识工况,并利用粒子群优化算法分析模型参数.在不同温度和使用区间的验证表明该方法的精度较高,为磷酸铁锂电池的进一步研究提供依据.     

电动汽车动力电池包仿真模型设计

随着新能源汽车的普及,各个整车厂在新能源车型投入的越来越多,车型也越来越多,而每个车型对应的电池包也不同。为了在电池包设计前期了解电池的性能,基于Matlab/Simulink设计了一种动力电池包的仿真模型。此仿真模型可以通过输入电池参数仿真出电池的温度变化曲线、电压变化曲线以及荷电状态变化曲线,通过输入继电器和高压系统参数仿真出预充时间和高压输出变化曲线,通过导入车辆工况仿真出电池运行的实时状态（温度、电压、荷电状态等）。这些变化曲线对于电芯的选型以及预充电阻的选型具有重要的参考价值。经过仿真后的曲线分析,此模型与电池的电化学特性相符,高压变化也符合物理变化特性,可以用作电芯和预充电阻的选型参考。     

基于无迹卡尔曼滤波的定位融合与校验算法研究

针对传感器定位精度受环境影响较大及其对自动驾驶车辆行驶安全影响较大的问题,提出一种定位融合及校验算法.通过建立短时短距航迹推算模型进行定位预测,使用无迹卡尔曼滤波实现预测定位结果与实际定位结果的非线性融合,从而提高定位精度.通过定位校验算法,判断实际定位数据是否发生偏移,并研究主动避险控制算法使车辆能够保持定位失效前的...     

网联环境下无信控交叉口行车避碰预警方法

为缓解无信控交叉口碰撞问题,提出了一种车联网环境下的避碰预警方法.首先,构建了一种车辆网联环境下的典型无信控平面交叉口行车场景;然后,结合车辆运动学模型和驾驶员模型提出了一种基于安全距离的避碰预警方法;最后,通过仿真测试验证了方法的有效性,并分析了网联车辆渗透率对提出的预警方法的影响.测试结果表明:提出的预警方法可以有...     

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。     

基于模式识别的车辆防疲劳驾驶智能转向盘及其监控算法的设计

该转向盘以嵌入式系统为核心,利用GPS数据变化判定车辆驻、行状态,以控制持续驾驶时间的计算周期,利用变压器式角位移传感器采集转向盘转角电压变化,采用电压波模式识别判断疲劳状态,并结合持续驾驶时间参量对疲劳驾驶进行预警。     

汽车防追尾超声波探测模拟装置设计

车辆行驶时驾驶员不能对车辆之间的安全距离作出准确判断是引起公路交通事故的主要原因之一。文中构建一种超声波测距模型,设计超声波测速测距模块电路、行车警示模块电路,构建防追尾超声波探测模拟装置,对车辆正常行驶、预警及紧急制动3种状态进行判断、警示、动作。     

车联网关键指标对车辆安全影响仿真测试方法

提出了一种用于分析车联网关键指标对车辆安全影响的仿真测试方法。首先,基于微观交通流仿真软件设计了危险跟驰、换道等基础仿真场景;然后,分析了基于高斯分布的定位误差模型和单跳通信延误模型,并建立了定位误差、通信延误和渗透率在仿真过程中的执行策略;接着,基于车辆最小安全距离跟驰模型和车辆非线性分段制动模型分别提出了车辆危险跟驰预警和危险换道预警方法;最后,通过建立基于HLA(high level architecture)的车联网仿真平台对不同定位误差、通信延误和渗透率对车辆安全的影响进行了仿真测试。结果表明,在危险跟驰场景中,在注入了基于高斯分布的定位误差后,预警成功率为88%,预警成功率随着预警策略中减速度的减小而增大;在危险换道场景中,在注入了单跳通信延误后,预警成功率达100%;成功预警数随着OD(origin destination)取值和渗透率的增大而增大,并且受渗透率影响更加明显。     

基于小尺度的无灯控交叉口智能车辆驾驶行为决策模型

针对自动驾驶车辆与传统车辆在无灯控交叉口的动态交汇协同问题,在更小时间尺度上将交汇过程划分为完全信息下的重复博弈过程。通过构建一种新型驾驶员激进度模型,判断传统车辆驾驶员驾驶激进度,帮助自动驾驶车辆制定驾驶策略。同时,提出一种最佳减速度选取模型,解决智能车辆避让后速度过低的问题。采用CarSim与MATLAB/Simulink进行联合仿真,结果表明,提出的两种模型能准确地估计传统车辆驾驶员类型并帮助自动驾驶车辆安全、快速地通过无灯控交叉口。     

车辆防碰刮装置及使用问答

一、何谓车辆防碰刮装置? 在车辆倒车入库和其它倒车作业过程中,经常容易出现刮碰车后物体的情况,驾驶员仅能根据倒车镜作出判断,车辆及车后的人、车、物的安全难以得到保证.车辆防碰刮装置是一种针对倒车安全性问题而研制开发的,能够有效提高倒车安全性的预警信号装置.驾驶员挂上倒挡后,该装置可以自动探测车后障碍物的距离,提醒驾驶员及时减速停车,从而提高倒车安全性.     

燃料电池汽车正面碰撞安全性研究

燃料电池汽车在结构上有别于传统汽车,其碰撞安全性尤应关注.文中重点对燃料电池汽车结构特点进行研究,建立燃料电池汽车正面碰撞有限元模型,运用LS-DYNA仿真确定车辆安全性能设计方案.同时根据燃料电池汽车的特点阐述了对其碰撞试验方法的思考.通过实车正面碰撞试验,验证了车辆结构改进设计的效果.     

考虑电动公交在途特性的电池状态梯次划分

电动公交电池容量衰减造成里程焦虑增加、服务可靠性降低、电池资源浪费等问题。因此,评估和发现电动公交实际运营过程中影响电池健康状态的关键因素并划分电池状态尤为重要。基于电动公交长时间实际行驶过程中的充放电数据,结合安时积分法与最小二乘拟合建立电池容量估计模型,并据此计算各充放电片段的电池健康状态。进一步考虑电动公交在途特性,从电池组充放电属性、车辆行驶工况、公交营运状态3个角度提取可能影响电池健康状态的相关因素,并采用因子分析法将影响因素组合为12个影响因子,使用随机森林回归构建电池健康状态预测模型,从而根据预测结果的准确性反推获得各影响因子的重要度。最后考虑不同影响因素的重要度,利用加权聚类算法梯次划分电动公交电池健康状态为4个类别,下降梯度分别为-0.013 6、-0.011 9、-0.003 4、-0.002 8,并通过对比研究发现了同一条线路不同梯次的车辆电池组在放电深度、速度标准差、最大加速度和刹车次数等影响因素上的差异。研究结果表明:车辆荷载、电池电流释放情况、车辆行驶中速度的变化、电池的使用时间、线路拥挤状况以及电池充电深度大小对于电池健康状态的影响程度较大,而在公交营运状态相同条件下,驾驶人的行为对电池健康状态衰减程度有着较大影响。     

宝马F10H混合动力系统新技术剖析(五)

电池电压平衡会造成损失,但是对于最大利用率和使用寿命来说有利且有必要。只有车辆静止时,才能执行这个过程。电池电压平衡的具体条件:◆总线端15关闭且车辆或车载网络处于休眠状态◆高电压系统已关闭◆电池电压或各电池SoC的偏差大于某个限值◆高电压蓄电池的总SoC大于某个限值如果满足所述条件,则会完全自动进行电池电压平衡。因此客户既看不到检查控制信息,也无需为此进行特殊操作。如果电池电压的偏差过大或电池     

电动汽车用锂电池模型参数辨识方法研究

利用二阶RC电池等效模型,分别运用最小二乘拟合法、扩展卡尔曼滤波法和遗传优化扩展卡尔曼滤波法3种模型参数辨识方法对某型磷酸铁锂电池充放电过程中的回弹电压外特性进行参数辨识,通过对比分析得出遗传优化扩展卡尔曼滤波法的辨识精度更高。     

车车通信环境下基于驾驶意图共享的车辆避撞预警算法

针对传统基于距离或时间的车辆避撞预警算法存在较高误警率的问题，考虑在避撞预警算法中引入驾驶意图共享的概念，提出了基于实际外场复杂车车通信V2V（Vehicle-to-vehicle，V2V）环境下的车辆跟驰避撞预警算法。基于LTE-V构建外场V2V环境，将车辆行驶过程描述为一个时间序列的隐性马尔可夫随机过程，借助隐马尔可夫模型（Hidden Markov Model，HMM）建立驾驶人驾驶意图与车辆相对行驶状态序列之间的隐含关系模型，并给出基于Viterbi算法的驾驶意图预判求解方法，将驾驶意图作为特征因子集成到安全距离模型中，提出基于驾驶意图共享的避撞（Driving Intention Based Collision Avoidance，DI-CA）预警算法。利用构建的V2V试验环境，实现了匀速、加速、减速和紧急制动等4种驾驶意图，以及相对速度和相对距离增加、减小、保持不变等9种组合的车辆行驶状态试验数据获取，并利用试验数据对所提出的DI-CA预警算法进行实证分析。结果表明：所提出预警算法能够针对不同驾驶意图提供有效的车辆碰撞预警。在此基础上将4种驾驶意图下的DI-CA预警算法与Mazda预警算法求得的安全距离进行了对比分析，所提出的DI-CA预警算法的平均预警正确率为84%，高于Mazda预警算法的78%，而DI-CA预警算法的平均误警率和漏警率分别为5%和16%，均明显低于Mazda预警算法，说明所提出的DI-CA预警算法在提升预警效果的同时明显降低了误警率和漏警率，可避免行驶过程中因误警而导致的连续刹车，以及因漏警而导致的可能碰撞事故发生。最后，总结并给出了驾驶意图共享理论应用于车辆避撞预警的研究展望。