原文传递
基于深度学习的动力电池故障诊断研究
| 论文题名： | 基于深度学习的动力电池故障诊断研究 |
| 关键词： | 电动汽车;锂动力电池;故障诊断;深度学习 |
| 摘要： | 作为电动汽车的动力来源，锂离子动力电池是电动汽车的重要组成部分，其性能直接影响着整车的各方面性能和行车的安全性。因此对动力电池的故障诊断，预测动力电池故障的发生，对于延长动力电池的使用寿命，提高电动汽车的整车性能和行车安全性都是极其重要的。 本文首先对锂离子动力电池的原理和故障进行研究，通过建立锂离子动力电池故障树，结合故障失效模式，对锂离子动力电池进行故障分析。将锂动力电池的故障等级、故障类型和失效原因清晰地表述出来。并且设计锂动力电池的放电仿真工况，根据该仿真工况设计锂动力电池的放电实验，获取锂动力电池的放电实验数据，对实验数据进行小波包分解与重构来对数据特征进行提取。 然后，对深度学习进行简要概述分析，选定循环神经网络作为锂动力电池故障诊断的数学模型，针对锂动力电池的放电实验数据，设计了适合本文的基于LSTM神经网络的故障诊断模型，并对其网络参数进行修改调整，得到LSTM神经网络的最优参数，再利用实验仿真与支持向量机SVM和BP神经网络这两种在故障诊断方面有优秀表现的算法进行比较分析，验证了LSTM神经网络在锂动力电池故障诊断上的优越能力。 最后，使用Eclipse软件和Java语言搭建了用于电动公交车的锂离子电池故障诊断系统，实现了对多辆公交车上锂动力电池的实时故障诊断分析和相关处理操作，确保电动公交车的运行安全。 |
| 作者： | 都磊 |
| 专业： | 控制理论与控制工程 |
| 导师： | 王海英 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨理工大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
