[發明專利]一種基于動態閾值模型的電動汽車故障診斷方法

有效

• 申請號: 202011181863.5
• 申請日: 2020-10-29
• 公開（公告）號: CN112285569B
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 于全慶;林野;孫逸辰;李昊;穆浩;張力元;萬長江;侯芹忠;李俊夫
• 申請（專利權）人: 哈爾濱工業大學（威海）;北京空間飛行器總體設計部
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392
• 代理公司: 濟南佰智蔚然知識產權代理事務所(普通合伙) 37285
• 代理人: 彭賓

本發明提供一種基于動態閾值模型的電動汽車故障診斷方法，該方法用于電動汽車中電池系統故障診斷，在閾值模型建立和參數辨識算法兩方面進行了改進，在不同溫度下進行電路基礎特性測試實驗，得到等效電路模型參數；建立OCV?SOC?Q三維響應面模型；采用帶遺忘因子的遞推最小二乘法進行模型參數辨識，建立關于R₀和τ的動態閾值模型。在實際故障診斷過程當中，利用雙擴展卡爾曼濾波算法辨識參數和狀態，得到電池R₀和τ、容量及SOC；采用溫度插值的方法確定參數參考值；確定參數閾值；生成殘差；通過對比殘差與閾值來判斷電池是否發生故障。該方法不僅故障診斷率高，還能避免檢測不及時、誤警和漏警問題。

技術領域

本發明主要涉及新能源汽車系統相關技術領域，具體是一種基于動態閾值模型的電動汽車故障診斷方法。

背景技術

當前電動汽車技術發展十分迅速，正處于市場推廣的上升階段。電動車作為一種新興車型，相比傳統車型，車輛安全及零部件質量問題比較突出。而電池作為電動汽車的核心零部件,其故障狀態及運行壽命直接影響汽車使用功能及安全，同時也是生產廠商及4S店十分關心的內容。

動力電池系統故障診斷是電池管理系統的核心功能之一，常用的電池系統故障診斷方法是基于模型的方法，該方法共分殘差生成和殘差評價兩步。殘差生成是通過構建故障模型，得到參數或狀態的估計值并與相應參數或狀態的參考值做差生成殘差，再通過對比殘差與故障閾值來判斷故障是否發生。鑒于電池模型參數是其狀態估計的基礎，通過殘差生成殘差是故障診斷的典型方法，但目前研究仍存在如下問題：

1)、在殘差生成過程中，盡管參數的估計值易確定，但對應的參考值通常是固定值，實際上，電池在一定溫度下的殘差估計值對應的參考值也應是對應溫度下的值，忽略溫度影響易造成生成的殘差過大或過小，均影響故障診斷精度；

2)、殘差評價過程中，故障閾值通常也是固定值，而電池殘差受溫度、老化和電池荷電狀態(State of charge,SOC)影響，若忽略SOC、溫度和老化對殘差的影響而采用固定閾值進行殘差評價，易造成故障誤警率和漏警率過高問題。因此，如何獲得準確的參數參考值以生成殘差且隨著電池工作狀態而更新閾值進行故障檢測是當然的難點。

發明內容

為解決目前技術的不足，本發明結合現有技術，從實際應用出發，提供一種基于動態閾值模型的電動汽車故障診斷方法。

本發明的技術方案如下：

一種基于動態閾值模型的電動汽車故障診斷方法，所述方法用于電動汽車中電池系統故障診斷，所述方法包括：構建動態閾值模型以及基于閾值模型進行電池系統故障診斷，其中，

構建動態閾值模型包括如下步驟:

步驟S11、對鋰電池動力電池進行充放電老化循環實驗、容量實驗、開路電壓OCV實驗以及混合動力脈沖能力實驗，分別用于獲取對應循環下的容量Q、OCV-SOC關系式和電池等效電路模型參數；

步驟S12、建立電池全壽命周期下的OCV-SOC-Q三維響應面模型；

步驟S13、建立基于歐姆內阻參數R_o以及時間常數參數τ的一階等效電路模型，并進行模型參數辨識，建立動態閾值模型；

步驟S14、在不同溫度下對動力電池進行上述步驟，得到不同溫度下的閾值模型；基于閾值模型進行電池系統故障診斷包括如下步驟：

步驟S21、記錄電池充放電過程的端電壓信號、電流信號和溫度信號；

步驟S22、基于建立的一階等效電路模型，辨識電池模型參數和狀態，得到電池內阻參數R_o、時間常數參數τ、容量Q和SOC的估計值；

步驟S23、采用溫度差值的方法，確定參數參考值；