基于COMSOL电动汽车安全预警研究

在车辆安全预警模型中,电池滥用和电池外部因素导致的电池失效容易识别出来,但是电池本身存在的问题很难通过数据特征判断.利用COMSOL模型拟合不同情况的电池变化,通过最小二乘法拟合出电压损失曲线,推算出影响电压变化的3类特征因子:欧姆过程、电荷转移过程、浓度活化进程,通过失效时刻的参数变化判断电池是否发生问题,可以在失效前进行电池信号安全预警,实现车辆的安全使用.     

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。