原文传递
基于数据挖掘的电动汽车动力电池故障诊断方法研究
| 论文题名： | 基于数据挖掘的电动汽车动力电池故障诊断方法研究 |
| 关键词： | 电动汽车;动力电池;故障诊断;数据挖掘 |
| 摘要： | 随着全球能源问题和环境问题的日益突出，减少碳排放已势在必行，我国也在2020年制定了碳达峰碳中和的目标。为了实现这一重要目标，在汽车行业势必要大力发展新能源汽车，在国家政策的支持下和市场需求的牵引下，新能源汽车行业迎来重大机遇。但是，以动力电池故障为主要原因的电动汽车安全事故频发，且呈逐年增长态势，给新能源汽车行业带来重大挑战。因此，围绕动力电池故障诊断难度大、诊断不及时甚至引起误诊断等问题，开展电池的故障诊断研究，实现快速、精准、安全、高效的故障诊断与排查具有重大战略意义。数据挖掘融合了多种学科和技术手段，目前已成为人工智能领域实现故障诊断的有效方法。本文基于锂离子动力电池多维数据和故障机理，运用数据挖掘的分类、聚类、异常检测等算法，实现了动力电池单体故障诊断、电池组不一致性检测和电池组故障诊断。 首先，综合考虑锂离子动力电池的基本结构、工作原理和性能参数，并深入分析动力电池的故障产生原因和故障类型。通过引入软件注入和硬件注入两种故障注入方式，设计了动力电池故障试验，为后续的研究提供数据支撑。 其次，研究了RBF神经网络的基本结构和减聚类算法的优点，并针对单体电池，提出了基于减聚类算法改进的RBF神经网络动力电池故障诊断方案，设计了单体电池故障诊断流程。仿真结果表明，该方案可以准确诊断常见的电池故障，且比传统方法更加快速高效。 然后，研究了造成电池组不一致性的原因和不一致性单体在电池组中的表现，介绍了几种经典的异常检测算法，并运用基于欧式距离和基于K-means聚类两种异常检测算法对电池组进行检测，结果表明两种方法均可以检测出电池组内的异常单体。相比于基于距离的算法，基于聚类的异常检测算法更加快速直观。 最后，针对电池组故障诊断问题，结合单体故障和电池组不一致性的研究成果，设计了如下动力电池组故障诊断方案:首先进行不一致性检测来定位故障单体，而后运用单体诊断方案来诊断故障原因。运用三组存在故障的三元锂电池组在DST工况下实际测试，试验结果表明，设计的电池组故障诊断方案可以准确快速地定位故障单体并诊断故障原因。 |
| 作者： | 刘振宇 |
| 专业： | 控制科学与工程 |
| 导师： | 李岩 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
