一种预测蓄电池故障的方法技术

一种预测蓄电池故障的方法属于蓄电池故障预测与诊断领域。利用电池使用过程中的相关数据预测电池是否已经出现故障。基于知识的蓄电池健康状态预测方法，也即模糊预测法，根据某些症状的隶属度来求出各种故障的隶属度，用以表征各种故障存在的倾向性，为判断电池健康状态的预测提供科学依据。为了有效的预测电池以及电池组的故障而提出的方法，实验数据以镍镉电池为实验对象获得，通过对镍镉电池的实时数据进行分析与处理，能得到该电池或电池组在整个运行过程中的健康状况DOH，同时给出电池的维护信息。本方法简单有效，既避免了电池的拆卸与放电测试，又得到了比较准确的电池健康水平。

【技术实现步骤摘要】

【技术保护点】
一种预测蓄电池故障的方法，其特征在于：1)首先利用电池历史档案数据和运行状况数据并结合电池的各种症状隶属度计算公式计算电池症状隶属度；症状集U={症状1，症状2，症状3，…症状n}，其中各个症状的隶属度组成模糊向量α＝[μ1，μ2，μ3，…μn]T；其中α中的μn通过以下公式计算：μn＝fsta(I)·fcha(X)；fsta(I)为状态函数，①静态：fsta(I)=1I=0;0I≠0;②充电：fsta(I)=1I>0;0I≤0;③放电：fsta(I)=1I<0;0I≥0;注：I为电流值；fcha(X)为外部特性数据函数，fcha(X)=X/(Xa*Cr)X≤(Xa*Cr)1X>(Xa*Cr)fcha(X)为镍镉电池特性数据的某种状态的隶属度值；X为电池的外部特性数据的某种变化的测量值；Xa为所有电池的外部特性数据的某种变化的平均值；Cr为常数，Cr＝1.5，表示外部特性数据的相对系数；这样就得到了各症状隶属度得到的向量α＝[μ1，μ2，μ3，…μn]T2)利用电池的各个症状隶属度并结合加权评判矩阵R计算电池的各种故障隶属度；电池的故障集V={故障1，故障2，故障3，…故障n}，此处的n与第一步中的n是同一个n；a)加权评判矩阵R的确定加权评判矩阵的确定多个专家给出各症状对某故障产生的重要性排序，然后把这种定性的重要性次序映射为一种权数分配，作为 加权评判矩阵；首先将两个集合U和V进行重要性按从大到小的顺序排序，然后重新编号，此时U={症状1，症状2，症状3，…症状n}和V={故障1，故障2，故障3，…故障n}这两个集合中的元素是按重要性排列的，这两个集合已经不是初始时定义的集合，其中的顺序已经发生变化；此外，各症状隶属度组成的向量α＝[μ1，μ2，μ3，…μn]T也要根据U来重新排序；然后利用二项式系数加权法进行矩阵R的确定；已知Cn-10+Cn-11+Cn-12+...+Cn-1n=2n-1,此处n与前面提到的n一致；由此二项式系数得到一组和为1的集合W，即为W={Cn-10/2n-1,Cn-11/2n-1,Cn-12/2n-1,...,Cn-1n-1/2n-1},根据二项式系数的性质，该集合是一个中间数值最大并且逐步向两边减小的对称集合；令则W＝{W1，W2，…，Wi，…，Wn}；因此，加权评判矩阵R为：R=r11r12......r1nr21r22......r2n......rn1rn2......rnn(rij)n×nR中各个元素中对角线上的r11＝r22＝r33＝…＝rnn均等于集合W中的最大值，每一行剩下的位置则按从大到小的顺序依次赋值；b)故障隶属度的计算故障集合V={故障1，故障2，故障3，…故障n}，其中各元素的隶属度组成的集合β＝[f1，f2，f3，…，fn]T，并且β＝R·α3)利用故障隶属度，综合后给出电池的健康状态；DOF和DOH的计算：失效程度DOF,对故障隶属度集合β＝[f1，f2，f3，…，fn]T，若存在f＝[f1，f2，f3，…，fn]∈F且fi≥0.5，1≤i≤n，则DOD＝f1⊕f2⊕f3⊕…⊕fn；否则DOF=f1∨f2∨f3∨…∨fn；其中算子∨定义为取大，算子⊕定义为取并集，即满足：x⊕y＝x+y?x×y健康状况DOH，DOH＝C1*DOF+C2*COH′其中C1，C2为常数，C1＝0.7，C2=0.3；DOF为本次计算的失效程度；DOH“为上一次运行算得的DOH，若没有上次运行记录，则DOH“=0；根据计算得到的DOH的值依照以下方式给出电池的健康状态：健康状况DOH???取值范围????应对措施一级???????????0.7???????更换。FDA0000358338177.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：张彦琴，卢明哲，刘汉雨，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：