[實用新型]一種鋰動力電池系統故障診斷裝置

有效

• 申請號: 201721253260.5
• 申請日: 2017-09-28
• 公開（公告）號: CN207516518U
• 公開（公告）日: 2018-06-19
• 發明（設計）人: 王海英;劉鑫;李然;李革臣
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G01R31/36
• 分類號: G01R31/36
• 代理公司: 暫無信息
• 代理人: 暫無信息

本實用新型公開了一種鋰動力電池系統故障診斷裝置，包括控制器、電壓檢測電路、電流檢測電路、內阻檢測電路、溫度檢測電路、LCD顯示單元、數據通訊單元、存儲單元、電源單元；電壓檢測單元檢測鋰動力電池系統電壓，電流檢測單元檢測鋰動力電池系統電流，內阻檢測單元檢測鋰動力電池系統內阻；溫度檢測單元檢測鋰動力電池系統溫度，數據通訊單元用于上位機通訊；LCD顯示單元用于顯示鋰動力電池系統外部特性參數及故障信息；存儲單元存儲采集到的數據和控制器診斷后的故障信息。本實用新型考慮了電池系統數據和專家知識獲取的困難，采用Leaky Noisy OR模型極大減少了診斷裝置對鋰動力電池系統數據的需求，簡化了運算過程，提升了故障診斷系統的診斷速度。

技術領域

本實用新型涉及一種基于模糊貝葉斯網絡的鋰動力電池系統的故障診斷裝置，屬于蓄電池的故障診斷領域。

背景技術

在鋰動力電池系統故障診斷技術方面，有基于信號處理、基于電池模型、和智能診斷幾種方法，其中智能診斷方法中又以神經網絡、模糊數學、專家系統為代表。由于鋰動力電池系統是一種實時變化的非線性系統，系統性能受到多種參數變化的影響，電池故障的復雜性和不確定性，最早期的基于信號處理和模型的診斷方法復雜且故障診斷單一，而智能診斷中應用單一技術的效果達不到預期，集合多種診斷方法成為未來診斷技術的核心。神經網絡是一種處理多輸入非線性實變系統的重要工具，但神經網絡方法的學習正確與否取決于樣本的大小, 復雜系統一般不能滿足神經網絡對于訓練樣本的需求量；專家系統主要用于那些沒有精確數學模型或很難建立數學模型的復雜系統，其應用依賴于專家領域知識的獲取。而知識獲取被公認為專家系統研發中的“瓶頸”問題；另外，在自適應能力、學習能力及實時性方面也都存在不同程度的局限。

基于模糊貝葉斯網絡的故障診斷方法，模糊邏輯具有很強的結構性表達能力，可以將采集到的數據轉化為模糊規則下的故障征兆的隸屬度形式，簡化診斷規則，適用于電池這種非線性復雜系統；貝葉斯網絡可在不完備數據集情況下實現對系統故障完整的概率描述, 既解決了傳統概率中的數據獲取困難等棘手問題, 又不犧牲其完整性。二者結合有效的解決了電池故障的復雜性和不確定性。本實用新型采用了一種鋰動力電池系統的故障診斷裝置，實現了鋰動力電池系統故障的快速診斷。

發明內容

本實用新型所要解決的技術問題在于針對上述現有技術中的不足，提供一種基于模糊貝葉斯網絡的鋰動力電池系統的故障診斷裝置。

本實用新型所述基于模糊貝葉斯網絡的鋰動力電池系統故障診斷裝置，包括控制器（1）、電壓檢測單元（2）、電流檢測單元（3）、內阻檢測單元（4）、溫度檢測單元（5）、LCD顯示單元（6）、數據通訊單元（7）、存儲單元（8）、電源單元（9）；

本實用新型所涉及的電壓檢測單元（2）、電流檢測單元（3）、內阻檢測單元（4）、溫度檢測單元（5），其特征在于采用AD7606轉換芯片，將監測到鋰動力電池系統的外部特性參數數據發送到控制器（1）；

本實用新型所涉及的控制器（1），其特征在于：將外部特性參數模糊化處理，確定是否有故障征兆出現，計算其隸屬度，確定故障嚴重程度；

本實用新型所涉及的控制器（1），其特征在于：故障征兆確定之后采用LeakyNoisy OR模型計算故障原因概率，其中包括未知因素對鋰動力電池系統的影響，概率最大判定為故障原因；

本實用新型所涉及的存儲單元（8），其特征在于：用于存儲外部特性參數、故障原因概率和未知因素概率等數據；

本實用新型所涉及的LCD顯示單元（6），其特征在于：顯示鋰動力電池系統外部特性參數及故障信息；

本實用新型所涉及的數據通訊單元（7），其特征在于：將診斷結果和外部特性參數通過數據通訊單元（7）傳輸給上位機或電動車整車控制器，診斷過程結束。