基于知识数据的采样诊断算法用于电动汽车上的电池
Li Qiangwei1, Zhou Sida1, Zhou Xinan1
1School of Transportation Science and Engineering, Beihang University, Beijing 100191, China.
ISA transactions
|January 23, 2025
概括
这项研究引入了一种用于电池电压采样的新型故障诊断算法. 它通过使用异常检测和模糊来检测采样失败来提高电池安全性,这对于可靠的电池管理系统至关重要.
科学领域:
- 电气工程 电气工程
- 电池管理系统 电池管理系统
- 错误诊断 错误诊断 在
背景情况:
- 电压是电池管理系统 (BMS) 的一个关键参数.
- 电压采样故障可能导致运行风险和系统故障.
- 调查故障模式和开发强大的诊断算法是必不可少的.
研究的目的:
- 为BMS开发一个基于知识数据的采样诊断算法.
- 提出基于模糊和异常检测的在线智能诊断算法.
- 识别和验证用于确定电压采样故障模式的关键特征.
主要方法:
- 使用同等模拟模型构建故障模式的知识库.
- 模拟六种潜在的BMS电压采样故障模式.
- 用模糊的异常值检测用于智能故障诊断的应用.
- 使用故障矩阵方法和电池在循环实验的验证.
- 使用来自云监控平台的真实数据进行验证.
主要成果:
- 确定了对称的电压分布和接近零的电压作为关键的故障特征.
- 通过模拟和实验验证拟议的诊断算法的有效性.
- 证实了算法的实时检测采样线切断的能力.
- 使用云监控数据证明了算法的实际适用性.
结论:
- 开发的故障诊断算法有效地识别了BMS中的电压采样故障.
- 以知识数据为驱动的方法提高了电池操作的可靠性和安全性.
- 建议的方法可以扩展到其他系统和基于云的监控平台.
更多相关视频
10:41Three-electrode Coin Cell Preparation and Electrodeposition Analytics for Lithium-ion Batteries
Published on: May 22, 2018
36.6K
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
1.4K
