【技术实现步骤摘要】
本专利技术属于电池故障检测，具体涉及一种基于电池系统故障检测与故障管理方法。
技术介绍
1、随着全球气候变化，人们环保意识逐步增强，新能源汽车成为未来主要的发展趋势，然而动力电池作为新能源汽车的能量来源，它的稳定运行不仅会影响车辆的正常行驶，也严重威胁驾乘人员的生命安全，因此让驾驶者掌握动力电池当前所处状态就显得尤为重要。电池故障检测与故障管理模块不仅能将电池系统的故障信息传递给驾驶者，同时也能根据故障严重程度采取相应保护措施防止动力电池遭到损坏。
2、本专利技术的设计方案，设定故障条件及故障检测周期判定故障状态，增加诊断故障码便于查找故障位置与故障内容，同时对故障进行分级管理，设计故障状态模式，对严重故障储存其故障状态模式，不允许再次上高压而损坏电池。
技术实现思路
1、本专利技术的目的在于：针对现有技术存在的问题，提供一种基于电池故障检测与故障管理方法，使动力电池在安全情况下运行。
2、步骤s1：数据获取，对不同损耗程度电池数据进行单位时间采集，确定所有故障检测时间的数据采集时间以及传感器对数据的采集方式；
3、步骤s2：数据识别，对不同损耗程度电池数据进行聚类，利用均值漂移-长短期记忆网络故障检测模型对聚类后的数据进行故障特征提取，所述故障特征为：单位时间内电池数据的不可逆硫酸盐化、变形、短路、电池漏液；
4、步骤s3：故障检测，利用与均值漂移-长短期记忆网络故障检测模型对应的故障特征及所述故障特征的表现形式，确定用均值漂移-长
5、步骤s4：故障管理，利用得到的不同故障检测出现的频次，确定对电池单位时间故障管理与维护的方法；
6、步骤s5：检测模型参数确定，利用所述均值漂移-长短期记忆网络故障检测模型，故障检测电池聚类数据，同时产生收敛与合并簇的阈值和输入-输出门的参数。
7、所述数据获取的方法包括：首先实时采集动力电池数据信息，包含：总电压、总电流、电池温度、电池温差、采样线状态；其次针对该数据进行预处理，总电压、总电流以及故障进行解析、温度及温差进行最大最小值求解；
8、所述数据识别的方法包括：总电流、总电压、电池温度、单体电压数据准确性识别、故障判定的条件识别；
9、所述故障诊断的内容包括：故障诊断模块根据预处理完成后输入的总电流、总电压、电池温度、单体电压、采样线状态数据，分别判断各数据是否达到故障条件，同时在该数据的故障诊断周期内，若持续达到故障条件则被确认为故障发生，输出故障确认标志；
10、所述故障管理的内容包括：根据故障对电池系统带来的影响及损害程度，将故障进行分级管理，故障严重程度从最低0级到最高3级依次递增。
11、进一步地，在产生收敛与合并簇的阈值和输入-输出门的参数之后，还包括：
12、将所述故障特征、所述故障特征的表现形式、所述均值漂移-长短期记忆网络故障检测模型的算法激活函数反馈到待检测的电池电压；及将所述收敛与合并簇的阈值及所述输入-输出门的参数反馈到待检测的电池温度；将待检测的电池数据发送至电池检测交互端。
13、进一步地，所述利用所述均值漂移-长短期记忆网络故障检测模型，故障检测电池聚类数据，同时产生收敛与合并簇的阈值和输入-输出门的参数，包括：
14、以所述故障特征的表现形式为故障检测电池聚类数据时的特定输出电流；
15、对所有表现形式的电池聚类数据，在进行所述均值漂移-长短期记忆网络故障检测模型时，将收敛与合并簇的阈值中对应的电压异常值，设定为故障检测关键节点；
16、并在输入-输出门的参数的前面设置由所述均值漂移-长短期记忆网络故障检测模型确定的所述表现形式的电池聚类数据对应的反馈系数；
17、在不进行所述均值漂移-长短期记忆网络故障检测模型时，将收敛与合并簇的阈值对应的电压正常值，设定为故障检测常规节点；并在输入-输出门的参数的前面设置所述电池聚类数据。
18、进一步地，所述均值漂移-长短期记忆网络故障检测模型为单体电压故障检测：
19、取故障特征为电池聚类数据的第一个故障检测时间；
20、针对电池聚类数据的所有故障检测时间，将所述故障检测时间与其前一个故障检测时间单体电压运算，得到的单体电压值为所述输入-输出门的参数中与所述故障检测时间对应的反馈系数。
21、进一步地，所述均值漂移-长短期记忆网络故障检测模型为逻辑故障检测：取故障特征为电池聚类数据的第一个故障检测时间；
22、针对电池聚类数据的所有故障检测时间，将所述故障检测时间与其前一个故障检测时间做遗忘门运算，得到的遗忘门运算的解为所述输入-输出门的参数中与所述故障检测时间对应的反馈系数。
23、进一步地，所述均值漂移-长短期记忆网络故障检测模型为时间故障检测：取故障特征为电池聚类数据中第一个完整的总电压变化周期内全部的故障检测时间；
24、以总电压变化周期内的故障检测时间的个数进行分组，将电池聚类数据中所有故障检测时间划分为不同待故障检测的数据组；
25、针对每个所述待处理数据组，将所述待处理数据组与其前一个的待处理数据组逐点做电池总电流检测，得到的总电流值为所述输入-输出门的参数中与所述待处理数据对应的反馈系数。
26、进一步地，所述均值漂移-长短期记忆网络故障检测模型为电芯工作效率故障检测：取故障特征为电池聚类数据中第一个完整的电芯工作效率周波内全部的故障检测时间；
27、以所述电芯工作效率周波内全部的故障检测时间的个数进行分组，将电池聚类数据中所有故障检测时间划分为不同待故障检测的数据组；
28、针对每个所述待处理数据组，将所述待处理数据组与其前一个的待处理数据组逐点做电芯损坏检测，得到的电芯工作效率值为所述输入-输出门的参数中与所述待处理数据对应的反馈系数。
29、进一步地，所述故障检测出现的频次为：收敛与合并簇的阈值的解的长度与输入-输出门的参数的解的长度之和除以电池聚类数据的长度。
30、进一步地，在将待检测的电池数据发送至电池检测交互端之后，还包括：从接收到的数据中提取出故障特征、故障特征的表现形式、故障检测关键节点、收敛与合并簇的阈值和输入-输出门的参数，实施故障检测关键节点对应的解均值漂移-长短期记忆网络故障检测模型，得到故障检测前电池聚类数据。
31、与现有技术相比，本专利技术提供的一种基于电池系统故障检测与故障管理方法，在电池检测交互端进行故障检测和故障分级处理等内容，同时将系统故障状态分为无故障、告警故障、放电断高压故障、充电断高压故障及充放电断高压故障，新增故障状态位在存在断高压故障时判断是否重启系统不允许上高压，从用户使用与系统安全角度出发，在保证人员安全及电池使用寿命的情况下，尽可能满足用户使用需求。
本文档来自技高网...【技术保护点】
1.一种基于电池系统故障检测与故障管理方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，在产生收敛与合并簇的阈值和输入-输出门的参数之后，还包括：
3.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，所述利用所述均值漂移-长短期记忆网络故障检测模型，故障检测电池聚类数据，同时产生收敛与合并簇的阈值和输入-输出门的参数，包括：
4.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，所述均值漂移-长短期记忆网络故障检测模型为单体电压故障检测：
5.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，所述均值漂移-长短期记忆网络故障检测模型为逻辑故障检测：取故障特征为电池聚类数据的第一个故障检测时间；
6.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，所述均值漂移-长短期记忆网络故障检测模型为时间故障检测：取故障特征为电池聚类数据中第一个完整的总电压变化周期内全部的故障检测时间；
...【技术特征摘要】
1.一种基于电池系统故障检测与故障管理方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，在产生收敛与合并簇的阈值和输入-输出门的参数之后，还包括：
3.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，所述利用所述均值漂移-长短期记忆网络故障检测模型，故障检测电池聚类数据，同时产生收敛与合并簇的阈值和输入-输出门的参数，包括：
4.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，所述均值漂移-长短期记忆网络故障检测模型为单体电压故障检测：
5.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，所述均值漂移-长短期记忆网络故障检测模型为逻辑故障检测：取故障特征为电池聚类数据的第一个故障检测时间；
6.如权利要求1所述的一种基于电池系统故障检测与故障管理方法，其特征在于，所述均值漂移-长短期记忆网...
【专利技术属性】
技术研发人员：龚志斌，陕亮亮，
申请(专利权)人：成都雅骏新能源科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。