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。     

轻型电动车及其动力电池

通过介绍电动滑板车、电动自行车、电力助动车、电动摩托车和四轮微型电动车等轻型电动车发展概况,以及轻型电动车采用电池的情况,就业内人士关心的问题谈点看法。     

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。     

电动汽车动力电池热失控故障诊断研究

基于电动汽车动力电池各类起火燃烧的故障现象，查找电动汽车在各种使用工况中产生动力电池热失控的诱因，结合动力电池结构特点与锂离子电池锂枝晶产生因素，针对各类引发动力电池热失控的诱因进行故障诊断分析，通过故障产生机理提出预防措施优化电动汽车使用方法，提出一套合理有效的电动汽车使用方案，推荐电动汽车柔和驾驶和安全驾驶，提高驾驶员和乘坐员的安全防患意识，减少或避免各类诱因引起动力电池热失控，提高电动汽车使用的安全性和可靠性。     

电动车用动力电池热特性对比

动力电池导热系数因其结构复杂性影响具有各向异性。使用热流计法测量了动力电池厚度方向上不同区域的导热系数,并测量了绝热条件下锰酸锂电池(12 Ah)和磷酸铁锂电池(20 Ah)的发热情况,用Bernardi方程计算出电池发热量方程。利用测量出的导热系数及发热量数据对两种电池建立了模型,计算对比了相同环境条件下两种电池在相同放电电流和相同放电倍率情况下的发热情况。结果表明,电池中部与两侧导热系数相差40.5%,相同放电电流和时间条件下小容量电池温升更大,在10 A放电800 s时温差为2.52℃,而相同放电倍率情况下大容量电池温升在2C放电800 s时比小容量电池高13.17℃。     

基于模糊神经网络的纯电动车动力系统控制研究

在分析纯电动车动力系统结构特点的基础上,建立了基于自适应模糊神经网络系统(ANFIS)的纯电动车动力控制系统模型,包括驱动系统模型、制动系统模型与制动能量回收系统模型.仿真试验结果表明,采用ANFIS的动力控制系统模型能够较好地实现车辆踏板辨识与相应的动力控制,所开发的控制系统提高了车辆的安全性与稳定性,实现了电动车简单方便的驾驶.     

基于模糊模式识别的柴油机故障诊断研究

应用时序建模方法提取特征参数 ,在提出一种隶属函数计算方法的基础上 ,运用模糊模式识别方法进行燃油喷射系统故障诊断 ,并通过喷油泵试验台上的典型故障试验进行验证。     

基于STAR-CCM+的电动车液冷动力电池 包热管理仿真分析

为提高动力电池包的温度一致性,基于STAR-CCM+对其液冷板流场及电池包温度场进行计算流体力学仿真分析。通过优化液冷板各汇流管管径,减小了各板间的流量偏差,使得最大流量偏差为9%。进而分析电池包温度场,结果表明,模组间最大温差为2.2℃,优化汇流管管径可以有效提高电池包的温度一致性。     

新能源汽车动力电池系统故障诊断研究综述

随着经济的不断发展,新能源汽车的数量越来越多,新能源汽车数量的增多,一方面确实有利于生态环境的保护,但是新能源汽车的安全问题也变得越来越严峻,新能源汽车一旦出现安全问题,将会对驾驶人员以及乘坐人员的人身健康以及财产安全造成严重的负面影响,这些问题将会对新能源汽车行业领域的发展造成较大程度的阻碍。本文对新能源汽车动力电池系统故障诊断展开分析,并给出个人建议,以期提供参考依据。     

基于模糊神经网络的发电机调节器故障诊断研究

电子调节器起着调节发电量和保护汽车用电器的作用。本文分析了汽车电子调节器的技术原理,并针对车用爪极发电机调节器电路参数的特点,提出了用智能诊断方法——模糊神经网络对其进行诊断,组建了一个基于CAN总线的发电机电子调节器模糊神经网络故障诊断系统,实验证明了该方法的有效性。     

基于粒子滤波算法的动力电池容量估计模型研究

针对基于双指数模型和多项式模型的粒子滤波算法估计动力电池容量精度低的问题,提出一种融合指数项和多项式的组合模型估计动力电池容量,通过分析粒子滤波算法运行过程中双指数模型和多项式模型的参数迭代更新状态,提取两模型中的关键项形成组合模型,并分别以实验室条件下和用户工况下动力电池容量数据对组合模型进行验证。结果表明,两种条件下基于组合模型估计的动力电池容量精度均高于基于双指数模型和多项式模型估计的精度。     

基于模糊综合评价的某动力电池项目风险评估

文章建立了动力电池的风险评价模型,并针对实际项目,运用层次分析法的原理,对评价目标进行层次分解。然后通过专家讨论得到比较矩阵,计算了一级、二级权重。运用模糊综合评价的方法,对评价目标计算得到模糊综合评价结果。     

基于模糊神经网络的柴油发动机故障诊断方法的研究

针对传统方法在柴油机故障诊断中的局限性,本文提出了一种把改进的模糊神经网络用于故障诊断的方法,以数据仿真证明了此方法的有效性和可行性.     

纯电动车DC-DC电路故障诊断

当前,我国新能源汽车技术水平大幅提升,产业规模快速扩大,产业链日趋完善,新能源汽车在汽车总销量的占比越来越高。伴随着新能源汽车销量的增多,消费者、使用者对新能源汽车的售后维修服务也提出了更高的要求。传统内燃机汽车的供电设备主要是蓄电池和由内燃机驱动的发电机。纯电动汽车供电设备则是低压蓄电池和动力电池组,动力电池组提供的是高压直流电,所以需要将高压直流电转换为低压直流电为蓄电池以及低压用电设备供电,这种转换装置即DC-DC直流电源转化模块。文章重点对纯电动车DC-DC电路故障进行分析,为纯电动汽车特有故障诊断提供数据支撑和案例借鉴。     

电动车用动力电池寿命预测及验证分析

电池的使用寿命评估较为复杂,需要大型高低温箱、高功率充放电测试等设备,通过设定温度与循环工况,对动力电池总成进行模拟整车实际工况的试验验证,耗时长,费用高。文章基于市场iEV4纯电动车运行电池数据,得出第1年度容量衰减率=固有衰减率;第2...n年度容量衰减率=电池单体循环衰减率。利用模组4个月的温度循环数据,获得动力电池总成4年的整车实际使用工况下的容量衰减,结果表明单体循环寿命可准确预测动力电池总成的使用寿命。测试时间短,测试费用低,准确性高,具有较强的参考价值。     

基于PCA-Elman-PSO算法的动力电池低温充电优化

为研究低温下电动汽车电池的充电性能,通过在不同温度下对电池进行充放电试验,获取大量试验数据,分析低温环境下影响电池充电性能的因素。通过PCA算法对众多影响因素进行降维处理,得到主要的影响因素。建立PSO-Elman神经网络模型,用于估计锂离子电池低温充电能耗。基于此基础上,利用PSO算法对传统充电CC-CV充电方法进行优化,在达到充电截至电压前,采用粒子群优化算法得到最优充电曲线的近似值,将充电时的能量耗及充电所用时间作为优化目标构建粒子群优化算法的适应度函数,用粒子群优化算法进行迭代优化。仿真测试结果表明,优化后的充电策略能有效减少锂电池低温充电时间和能量消耗。     

基于电压频域特征和异常系数的动力电池故障诊断方法

动力电池系统是电动汽车(EV)的关键部件和主要故障源,因而提高动力电池故障诊断的效率和准确率显得尤为重要。基于此提出一种基于快速傅里叶变换(FFT)和异常系数评估(ACE)的动力电池电压不一致性故障诊断方法。针对6辆发生故障或热失控事故的电动汽车和1辆电压一致性良好的电动汽车,基于其在新能源汽车国家监管平台的全生命周期运行数据,经过电压数据的数据清洗、数据变换等大数据预处理后,利用FFT技术时频变换,提取频域中的幅值作为故障诊断的特征参数;然后,引进基于Z分数理论的异常系数对故障程度进行定量评估,以实现故障单体的检测和定位;此外,针对存在多个故障单体的情况,基于单体异常率的计算,实现单体故障程度的判定和排序;在此基础上,详细分析电压数据长度及采样间隔、FFT采样点数对模型的影响;最后,与基于熵和Z分数的电压故障诊断方法进行比较。研究结果表明:在上述研究条件下,该诊断方法对于电压一致性良好的车辆未产生误报警,且可以有效地检测出事故车辆动力电池系统存在的电压不一致性故障;相比之下,模型平均计算准确率提高了3.25%,模型平均耗时仅为熵值模型的0.55%;验证了该方法故障单体定位更精准、数据适用性更好及计算速度更快的优点。该研究成果能有效实现动力电池电压不一致性故障诊断,具有较高的工程应用价值。     

基于局部均值分解与局部离群因子动力电池故障诊断

动力电池故障诊断是保证电动汽车正常运行的关键。提出一种基于局部均值分解和局部离群因子的动力电池故障诊断方法,用于电池组故障识别与定位。通过局部均值分解对电压信号预处理,并根据相关系数高低重构电压信号。进一步提取重构信号的峭度因子作为故障特征输入到局部离群因子算法中,根据局部离群因子算法自适应阈值输出故障电池。采用实车数据验证了所提方法能有效、准确地检测出故障,具有较好的可靠性与鲁棒性。