基於神經網路的電池系統故障診斷

近幾年，我國經濟的大力發展，使能源問題越來越突出。在汽車能源的方面上，電動汽車越來越被更多的人使用，純電動汽車作為其環境汙染小、能源利用率高等一系列優點受到了廣泛的重視和應用。在實際執行中純電動汽車的故障比較多樣，對故障診斷及分析起來也比較困難。電池系統是電動汽車中非常重要的乙個部件，它的設計的好與壞都會直接對整個車的安全造成很大的影響。因為動力電池系統很容易受到技術、氣候和使用方式等方面的影響，所以它很容易就會發生故障，也是故障診斷的重點。當動力電池系統故障發生時汽車仍在正常行駛，如果未能及時發現和排除，輕程度的話，會降低電池系統的效能，重程度的話，可能會發生事故，進而會出現人員和財產損失的情況。因此急需對電動汽車動力電池系統進行故障分析與診斷的研究。

1 故障型別

電動汽車在行駛的過程中，電池在迴圈使用的過程中，在濫用或極端條件下會出現各種各樣的故障，從而影響電動汽車在行駛過程中的效能或整車安全。

根據動力電池出現故障的級別大小可以將其分成兩級：ⅰ級故障（一般的故障）和ⅱ級故障（嚴重的故障），分類如表1。

表1：電池故障等級

故障等級故障影響

ⅰ級故障不影響整車執行，但可能導致其他故障發生或影響電池壽命

ⅱ級故障影響整車執行，可能出現安全問題

2 故障產生原因分析

電池系統故障都是有一定的原因造成的，比如：因為生產中存在技術問題，各個單體之間存在電容量、充放電效率的差別，這是本身的問題；長時間不使用，不進行充電維護，長時間電量過低，最後引起電壓下降快；充電電流一直很大並且充電的時間也很長，使電池活性物質掉落；電池間的連線是以焊接的方式連線的，焊接處裂開或脫落，導線沒接觸好、短路等會造成區域性發熱的故障；動力電源通常是通過串並聯一些電池單體組成的，當出現過分充電時，就會很容易造成電池組的溫度上公升，從而引起電解液洩露。電池的故障因素很多而且之間還會相互影響，一種因素的變化可能會引起多種故障的產生。動力電池在使用過程中都在進行著時時刻刻的變化，影響動力電池變化的因素也很多，因此一旦動力電池發生故障，故障就會很複雜診斷起來就會花費很長時間。而且動力電池的內部構造是電化學結構，許多元素會影響到電池的電化學反應也就是電池的工作狀態。當多個因素發生變化引起故障時，故障的變化規律就會很複雜，很有可能多個故障同時出現，故障程度過於嚴重時將會使動力電池不可修復。所以需要一種功能強大而且可以同時對多種因素引起的故障進行準確而詳細的診斷。神經網路故障診斷方法就符合這種要求。

3 神經網路的故障診斷方案

動力電池系統具有複雜系統的諸多特徵，例如強烈的非線性，非平穩性及不確定性，使用傳統的解析模型的故障診斷方法存在難以獲得精準數學模型等缺點，而基於神經網路的故障診斷方法可將複雜的故障診斷推理過程轉換為網路的並行推理計算過程,快速地得出可信的診斷結果。

神經網路是一種可以進行多個引數輸入多種結果輸出非線性系統識別的有效方法。神經網路可以進行不斷地吸收新的東西而且學習能力很強，就像人類的神經網路結構，它可以通過故障的特徵現象和故障產生的原因讓它們之間存在相應的關係，這個關係可以成為一種固定的神經網路模型。這個模型就是把故障及其原因連在一起，可以從故障的現象找出產生的原因。

對純電動汽車動力電池系統進行故障診斷要用的是當下使用率較高的多層前向神經網路。它的工作原理是：首先，建乙個儲存資料的庫，這個資料庫是用來儲存電源系統在工作時一些重要引數的變化資料；然後分析動力電源系統中的故障和故障產生的原因以及故障產生與哪些引數有關係，因為電源系統的變化多樣常常是非線性的，所以要把資料庫中的資料和故障現象建立乙個固定的架構；在架構建立好後神經網路就可以通過這個架構根據資料分析出是否有故障產生，若是有就可以找出故障的原因。電池的故障是比較多的例如：電池溫度過高、過充電和過放電造成的電池損害、電壓過高過低、均衡失效、充放電時電流不規律，還有長時間放置電池而沒電的自放電現象以及電池內阻異常和衰老等問題。多層前向神經網路就是通過電池的一些相關引數的變化來找到故障及故障原因

基於神經網路的電池系統故障診斷

基於LSTM的軸承故障診斷

無線網路的故障診斷和安全詳解

風機槳葉故障診斷（五）修改隱含層神經元個數的嘗試

基於神經網路的電池系統故障診斷

基於LSTM的軸承故障診斷

無線網路的故障診斷和安全詳解

風機槳葉故障診斷（五） 修改隱含層神經元個數的嘗試

相關推薦

風機槳葉故障診斷（五）修改隱含層神經元個數的嘗試