【技术实现步骤摘要】
本专利技术涉及传感器故障估计领域，特别涉及一种锂离子电池分布式热过程传感器故障估计方法。
技术介绍
1、锂离子电池由于循环寿命长、充放倍率大、无记忆等优点，在新能源汽车和储能行业中发挥着至关重要的作用。伴随锂电池尺寸持续增大，其能量密度进一步增加。现有技术中通过布置一定数量的传感器去监测分布式热过程以便实现均匀的温度控制和热故障诊断。然而，一旦某些传感器发生故障，错误的采集数据会导致热建模异常，从而导致电池热管理系统产生错误响应。因此，准确的传感器故障估计对于维持正确的分布式热建模和大尺寸锂离子电池的热监控至关重要。
2、基于多传感器的大尺寸锂电池分布式热建模的研究很多。第一类是基于模型的方法，代表性方法包含切比雪夫-伽辽金法、线法和分布式等效电路法，以模拟软包电池的二维/三维分布式热过程。它们分别要求9，3和3个热传感器。第二类是模型-数据混合方法，包含karhunen-loeve(kl)，增量kl，和gappy kl方法，这些方法用于软包电池的离线、在线和稀疏时空热建模。它们分别使用300，20和2个热电偶。第三类是基于图像的数据驱动方法，其至少需要3个热电偶，用于温度分布预测。
3、受益于这些分布式热模型，最近基于多传感器的大尺寸锂离子电池的热故障诊断已经吸引了广泛的注意。提出了多滤波器框架，多尺度动态分析方法，时空推理系统，它们分别要求4，4和9个传感器。
4、上述基于多传感器的分布式热建模和故障诊断方法极大地促进了大尺寸锂离子电池的安全应用。然而，这些模型假设温度传感器是无故障的。在
5、目前，现有技术中已经对锂离子电池的传感器故障估计进行了一些研究。其中包括一种集值观测器和扩展/自适应卡尔曼滤波器用于电池组的电压/电流传感器故障估计。这些方法没有考虑温度传感器故障。还包括一种滑模观测器和一种模型数据混合故障诊断方案，用于同时估计电流、电压和温度传感器故障。这两种方法都是在圆柱形电池上进行的，其热过程由集总等效电路模型描述。这两种方法不能应用于大尺寸锂离子电池，因为大尺寸锂离子电池的热过程由二维/三维偏微分方程描述。此外，当前的研究主要考虑偏置传感器故障，而忽略了时变故障。目前，大尺寸锂电池分布式热过程的温度传感器故障估计尚未得到深入探索。
6、因此，如何提供一种有效估计时不变和时变温度传感器故障的锂离子电池分布式热过程传感器故障估计方法是本领域技术人员亟待解决的技术问题。
技术实现思路
1、本专利技术针对上述研究现状和存在的问题，提供了一种锂离子电池分布式热过程传感器故障估计方法，基于时空变量分离，采用切比雪夫-伽辽金方法将分布式热力学分解为由标准状态空间方程描述的降阶模型。随后，在故障条件下，基于增强降阶模型设计快速自适应观测器来估计传感器故障。使用李雅普诺夫直接法分析了误差收敛性。
2、本专利技术提供的一种锂离子电池分布式热过程传感器故障估计方法，所述锂离子电池表面安装多个温度传感器，所述锂离子电池为矩形锂离子电池，其尺寸大于预设尺寸；包括如下步骤：
3、s1：考虑锂离子电池的正负极耳热影响区，使用二维偏微分方程描述矩形锂离子电池分布式热力学方程；
4、s2：基于所述温度传感器的温度场和各个温度传感器故障强度表示传感器测量输出，构建大尺寸锂离子电池的分布式热模型；
5、s3：使用切比雪夫-伽辽金方法将分布式热力学方程和分布式热模型在时间域中分解为由标准状态空间方程描述的降阶模型；
6、s4：利用所述传感器测量输出和一个赫尔维茨矩阵构造得到降阶模型中的状态变量，得到新状态变量，利用所述新状态变量构建增强降阶模型；
7、s5：利用所述增强降阶模型构建增强自适应观测器，及考虑温度传感器故障强度估计误差的所述增强自适应观测器的误差状态空间方程；
8、s6：基于误差状态空间方程，利用快速自适应算法估计发生故障的温度传感器的故障强度。
9、优选的，所述s1中，使用二维偏微分方程描述矩形锂离子电池分布式热力学方程为：
10、
11、边界条件为：
12、
13、式中，为拉普拉斯算子；t,tamb,分别为时空温度、环境温度和平均温度；i∈{x,y}表示空间坐标；i、uocv和u分别为电流、开路电压和路端电压；ρ为锂电池平均密度；cp为比热容；q和qh分别为电池内部发热量和横向热通量；ki为导热系数；hi＝hc/ki，其中hc为热对流系数；γb为熵热系数；vc为电池容量；α1和α2为电池体和极耳热缩放系数；s{p,n}、a{p,n}和e{p,n}分别为正负极极耳的热影响区、横截面积和电阻；am为电池面积；soc为充电状态；cm为电池容量。
14、优选的，所述s2中，构建大尺寸锂离子电池的分布式热模型为：
15、ym(t)＝[t(x1,y1,t),…,t(xn,yn,t)]t+dfsf(t)；
16、式中，ym(t)为时间t下的温度传感器的测量输出；n为传感器数量；(xn,yn)为第n个传感器的空间坐标；d为单位矩阵；传感器故障fsf(t)表示如下：
17、
18、式中，sgn(·)为阶跃函数，tn为第n个传感器的故障时间，fn(t)为故障强度。
19、优选的，所述s3中，在时间域中分解为由标准状态空间方程描述的降阶模型为：
20、
21、其中：
22、
23、u(4,:)＝1
24、
25、式中，为时间系数，m为模型阶数；为正交基函数，e(im,jm)和a(im,jm)分别为e和a的子集元素；im和jm∈[0,(m+1)2-1]；n为传感器的数量；表示x,y的估计量；是合成的二维函数基，m∈[0,(m+1)2-1]，αi是沿i方向的缩放因子、ki为导热系数，i∈{x,y}表示空间坐标、为分布温度解耦获得的辅助函数。
26、优选的，所述s4中，构造得到新状态变量的步骤包括：
27、使用ym(t)和一个赫尔维茨矩阵as来构造一个新的状态变量xm(t)，满足如下条件：
28、
29、优选的，所述s4中，利用新状态变量构建增强降阶模型为：
30、
31、式中，是变换后的输出，且
32、
33、式中，ip是单位矩阵。
34、优选的，所述s5中，构建增强自适应观测器为：
35、
36、式中，和分别是和fsf(t)的估计值；是观测器增益。
37、优选的，所述s5中，所述增强自适应观测器的误差状态空间方程为：
38、
39、式中本文档来自技高网...
【技术保护点】
1.一种锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述锂离子电池表面安装多个温度传感器，所述锂离子电池为矩形锂离子电池，其尺寸大于预设尺寸；包括如下步骤：
2.根据权利要求1所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述S1中，使用二维偏微分方程描述矩形锂离子电池分布式热力学方程为：
3.根据权利要求1所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述S2中，构建大尺寸锂离子电池的分布式热模型为：
4.根据权利要求1所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述S3中，在时间域中分解为由标准状态空间方程描述的降阶模型为：
5.根据权利要求3所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述S4中，构造得到新状态变量的步骤包括：
6.根据权利要求5所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述S4中，利用新状态变量构建增强降阶模型为：
7.根据权利要求6所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述S
8.根据权利要求7所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述S5中，所述增强自适应观测器的误差状态空间方程为：
9.根据权利要求8所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述S6中，利用快速自适应算法估计发生故障的温度传感器及故障强度的步骤包括：
...【技术特征摘要】
1.一种锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述锂离子电池表面安装多个温度传感器，所述锂离子电池为矩形锂离子电池，其尺寸大于预设尺寸；包括如下步骤：
2.根据权利要求1所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述s1中，使用二维偏微分方程描述矩形锂离子电池分布式热力学方程为：
3.根据权利要求1所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述s2中，构建大尺寸锂离子电池的分布式热模型为：
4.根据权利要求1所述的锂离子电池分布式热过程传感器故障估计方法，其特征在于，所述s3中，在时间域中分解为由标准状态空间方程描述的降阶模型为：
5.根据权利要求3所述的锂离子电...
【专利技术属性】
技术研发人员：谌礼群，王奎，周锦辉，申文静，王宏楠，马正伟，李和言，王天跃，
申请(专利权)人：深圳技术大学，
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。