[發明專利]一種純電動汽車遠程故障診斷及預警系統

在審

• 申請號: 202111081030.6
• 申請日: 2021-09-15
• 公開（公告）號: CN113835032A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 王震坡;龍超華;劉鵬;韓冰;許媛;魏國亮;朱洪杰
• 申請（專利權）人: 北京理工新源信息科技有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/396;G01R31/385;G01R31/36;G01R31/371;G01R31/00
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 岳東升;楊帥峰

本發明提供了一種純電動汽車遠程故障診斷及預警系統，結合了大數據技術對電池狀態進行實時檢測，基于3σ多層篩選算法，能夠準確檢測到異常值并對故障進行判斷，在故障發生前就可以進行可靠的報警，報警信息可以通過車載終端傳輸給車內駕駛員，使其做出相應措施，減少故障損失。該系統基于數據驅動的故障檢測方式，具有實現簡便且不需要構建復雜數學模型的優點，還可實現對故障數據的存儲分析，便于在長期運維中尋找故障規律。

技術領域

本發明屬于純電動汽車故障監測技術領域，具體涉及針對純電動汽車基于數據驅動的遠程故障診斷及預警系統。

背景技術

隨著環保意識的提高，純電動汽車產業正逐漸成為汽車行業未來的發展方向，作為純電動汽車的核心部件，動力電池在電動汽車的運行過程中發揮著至關重要的作用。由于動力電池是一個復雜的電化學系統，其對工作環境要求較高，工作機理和內部機制復雜，因此引起電池故障的原因較多，這給動力電池的故障診斷帶來一定難度。而且，一旦動力電池發生故障，容易導致過熱、爆炸等情況發生，造成巨大的經濟損失和人身財產損失，嚴重制約著純電動汽車的安全和發展。

現有的對動力電池的故障診斷中，較多采用基于知識的方法，如專家系統法、模糊邏輯法等，或基于模型的方法，如卡爾曼濾波，觀測器方法等。這些方法雖然能夠實現故障檢測，但也存在不便于實施等的諸多缺陷。譬如對基于知識的方法來說，實施時對行業經驗的依賴性較高，且知識庫獲取具有較大難度；對基于模型的方法來說，則通常需要構建較為復雜的數學模型，計算復雜度高。同時，現有預警方法大多仍停留在故障發生后，缺少對電池故障即將發生的預判斷，存在預警不及時的問題，隨著純電動汽車保有量和相應車載數據量的激增，上述故障檢測方式已無法滿足要求。因此，如何克服現有純電動汽車故障診斷中存在的缺陷，利用海量車載數據實現及時的診斷與預警，是本領域中亟待解決的技術問題。

發明內容

針對上述本領域中所存在的技術問題，本發明提供了一種純電動汽車遠程故障診斷及預警系統，由車載終端與云控大數據平臺組成；

其中，所述車載終端包括：數據采集模塊、數據收發模塊；所述云控大數據平臺包括：網絡傳輸模塊、基于3σ原則的故障診斷模型、預警模型；

所述數據采集模塊用于采集實車數據中的動力電池總電壓U_t、單體電池電壓ui_,t，電池極柱溫度T_i作為評估電池狀態的關鍵參數，通過所述數據收發模塊將上述電池狀態參數上傳至云控大數據平臺的網絡傳輸模塊；

所述故障診斷模型針對所述關鍵參數執行以下處理：

1)構建高斯分布，則電池組總電壓U_t具體為以下形式：

其中，為電池組總電壓的原始數據，μ_t，0為第0次迭代的中心值，σ_t，0為第0次迭代的標準差；

對于關鍵參數單體電池電壓u_i,t，電池極柱溫度T_i，也采用與電池總電壓相同的構建高斯分布以及后續處理步驟2)至步驟5)；

2)根據3σ原則，去除數據中超出閾值3倍標準差即3σ的數據，建立新的高斯分布，進行數據迭代：

其中，是經過第1次篩選迭代后的電池組總電壓數據，μ_t，1為第1次迭代的中心值；σ_t，1為第1次迭代的標準差；

3)對步驟2)進行迭代計算m次，當前后兩次標準差之差小于預設的可調節閾值β即(σ_t,m-1-σ_t,m)＜β時跳出迭代，得到最終的高斯分布及參數；