[發明專利]一種軟包電池傳感器故障在線檢測方法

有效

• 申請號: 202210118609.3
• 申請日: 2022-02-08
• 公開（公告）號: CN114152880B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 王耀南;馮運;毛建旭;朱青;張輝;莫洋;鐘杭;江一鳴;譚浩然;李玲
• 申請（專利權）人: 湖南大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/378;G01R35/00;G06F17/16
• 代理公司: 長沙市護航專利代理事務所(特殊普通合伙) 43220
• 代理人: 張潔

1.一種軟包電池傳感器故障在線檢測方法，其特征在于，所述方法包括如下步驟：

步驟S100：測量并記錄電池輸入電流和端電壓數據，通過熱電偶傳感器采集軟包電池表面溫度數據，將所述輸入電流和所述端電壓數據表達成預設向量形式得到輸入電流向量和端電壓數據向量，將所述軟包電池表面溫度數據表達成預設矩陣形式得到溫度數據矩陣；

步驟S200：對所述溫度數據矩陣采用KL分解法得到奇異值矩陣，從所述奇異值矩陣中選取最大的n個奇異值，并計算得到對應的基函數矩陣，根據所述基函數矩陣和所述溫度數據矩陣得到主元矩陣；

步驟S300：利用滾動時域的在線學習方法，根據所述主元矩陣、所述輸入電流向量和所述端電壓數據向量對預設的預測模型進行訓練和驗證，得到對應時刻的溫度數據的估計值；

步驟S400：獲取一時刻的熱電偶溫度數據測量值，根據所述熱電偶溫度數據測量值和所述對應時刻的溫度數據估計值得到故障檢測殘差，根據所述故障檢測殘差、預設的殘差評估函數和預設的故障檢測閾值得到檢測結果。

2.根據權利要求1所述的方法，其特征在于，步驟S100中將所述輸入電流和所述端電壓數據表達成預設向量形式，將所述軟包電池表面溫度數據表達成預設矩陣形式，具體為：

其中，和分別為測量的端電壓數據向量和電流數據向量，為時間步長，為個熱電偶測量的溫度數據矩陣。

3.根據權利要求2所述的方法，其特征在于，步驟S200包括：

步驟S210：根據溫度數據矩陣得到矩陣C，對所述矩陣C進行奇異值分解得到奇異值矩陣；

步驟S220：從所述奇異值矩陣中選取最大的個奇異值，根據所述溫度數據矩陣以及最大的個奇異值對應的元素得到基函數矩陣；根據所述基函數矩陣和所述溫度數據矩陣得到主元矩陣。

4.根據權利要求3所述的方法，其特征在于，步驟S210中根據溫度數據矩陣得到矩陣C具體為：

其中，為溫度數據矩陣，為時間步長；

步驟S210中對所述矩陣C進行奇異值分解，具體為：

其中，為奇異值矩陣，矩陣U和V為按照特征值分解后計算出來的矩陣；

S220具體為：

其中，為基函數矩陣，為主元矩陣，為矩陣中對應個最大奇異值的元素，降維后主元和特征向量的個數為且滿足條件。

5.根據權利要求4所述的方法，其特征在于，步驟S300包括：

步驟S310：利用滾動時域的在線學習方法，根據所述主元矩陣、所述輸入電流向量和所述端電壓數據向量對主元矩陣中每一個主元進行單獨訓練，對于主元，第個訓練窗口的輸入矩陣為，的第一行為，第二行為，以此類推，第m行為；

其中，是訓練窗口的長度，每個訓練窗口中具有個批次，是每個批次中數據的長度，第一行是第一個批次的訓練數據，以此類推，第行是第個批次的訓練數據；

步驟S320：對每一個批次數據訓練采用的訓練算法均為套索算法，對應第個窗口中的第個批次參數估計的目標函數為：

其中，表示使后面式子達到最小值時的變量取值，為矩陣的第行，和分別為第個批次待估計參數向量和估計參數向量，和為基函數項和正則化系數，和分別表示歐氏空間2-范數和1-范數；

步驟S330：訓練完第個窗口的數據之后，采用如下的輸入來驗證所述第個窗口訓練的預設的預測模型：

對應的預設的預測模型驗證輸出為的估計值，其計算公式為：

其中，為第個批次估計參數向量；

步驟S340：對于所述第個窗口的預設的預測模型驗證輸出，結合所述基函數矩陣獲得對應的溫度數據的估計值，具體為：

其中，為時刻個熱電偶的溫度數據估計值，為時刻個主元的估計值，為基函數矩陣；

步驟S350：當第個訓練窗口的第個批次的數據訓練完之后，從第個訓練窗口移動到第個訓練窗口，繼續從第個訓練窗口的第一個批次開始訓練到第個訓練窗口的第個批次，直至所有的主元訓練完畢。