張俊

摘要

本文通過介紹動力電池經(jīng)常出現(xiàn)的故障類型，分析了故障產(chǎn)生的原因，總結(jié)歸納了診斷方法;結(jié)合動力電池系統(tǒng)的故障類型和故障產(chǎn)生的原因，提出了基于神經(jīng)網(wǎng)絡的純電動汽車動力電池系統(tǒng)故障診斷方案并通過實例進行驗證。

【關(guān)鍵詞】動力電池 故障診斷 神經(jīng)網(wǎng)絡

純電動汽車和傳統(tǒng)汽車相比有很大的不同之處，純電動汽車的動力電池、電機和控制系統(tǒng)代替了傳統(tǒng)汽車的發(fā)動機。由于純電動汽車的控制系統(tǒng)要比傳統(tǒng)車型的復雜，所以在實際運行中純電動汽車的故障比較多樣，對故障診斷及分析起來也比較困難。動力電池系統(tǒng)是純電動汽車必不可少的一部分。因為動力電池系統(tǒng)很容易受到技術(shù)、氣候和使用方式等方面的影響，所以它很容易就會發(fā)生故障，也是故障診斷的重點。當動力電池系統(tǒng)故障發(fā)生時汽車仍在正常行駛，如果未能及時發(fā)現(xiàn)和排除，就可能造成重大事故。因此急需對純電動汽車動力電池系統(tǒng)進行故障分析與診斷的研究。

1動力電池故障類型

通常動力電池出現(xiàn)故障的級別大小可以將其分成兩級：I級故障（一般的故障）和II級故障（嚴重的故障），分類如表1。

2故障產(chǎn)生原因分析

電池系統(tǒng)故障都是有一定的原因造成的，比如：因為生產(chǎn)中存在技術(shù)問題，各個單體之間存在電容量、充放電效率的差別，這是本身的問題;長時間不使用，不進行充電維護，長時間電量過低，最后引起電壓下降快;充電電流一直很大并且充電的時間也很長，使電池活性物質(zhì)掉落;電池間的連接是以焊接的方式連接的，焊接處裂開或脫落，導線沒接觸好、短路等會造成局部發(fā)熱的故障;動力電源通常是通過串并聯(lián)一些電池單體組成的，當出現(xiàn)過分充電時，就會很容易造成電池組的溫度上升，從而引起電解液泄露。

電池的故障因素很多而且之間還會相互影響，一種因素的變化可能會引起多種故障的產(chǎn)生。動力電池在使用過程中都在進行著時時刻刻的變化，影響動力電池變化的因素也很多，因此一旦動力電池發(fā)生故障，故障就會很復雜診斷起來就會花費很長時間。而且動力電池的內(nèi)部構(gòu)造是電化學結(jié)構(gòu)，許多元素會影響到電池的電化學反應也就是電池的工作狀態(tài)。當多個因素發(fā)生變化引起故障時，故障的變化規(guī)律就會很復雜，很有可能多個故障同時出現(xiàn)，故障程度過于嚴重時將會使動力電池不可修復。所以需要一種功能強大而且可以同時對多種因素引起的故障進行準確而詳細的診斷。神經(jīng)網(wǎng)絡故障診斷方法就符合這種要求。

3神經(jīng)網(wǎng)絡的故障診斷方案

神經(jīng)網(wǎng)絡是一種可以進行多個參數(shù)輸入多種結(jié)果輸出非線性系統(tǒng)識別的有效方法。神經(jīng)網(wǎng)絡可以進行不斷地吸收新的東西而且學習能力很強，就像人類的神經(jīng)網(wǎng)絡結(jié)構(gòu)，它可以通過故障的特征現(xiàn)象和故障產(chǎn)生的原因讓它們之間存在相應的關(guān)系，這個關(guān)系可以成為一種固定的神經(jīng)網(wǎng)絡模型。這個模型就是把故障及其原因連在一起，可以從故障的現(xiàn)象找出產(chǎn)生的原因。

對純電動汽車動力電池系統(tǒng)進行故障診斷要用的是當下使用率較高的多層前向神經(jīng)網(wǎng)絡。它的工作原理是：首先，建一個存儲數(shù)據(jù)的庫，這個數(shù)據(jù)庫是用來儲存電源系統(tǒng)在工作時一些重要參數(shù)的變化數(shù)據(jù);然后分析動力電源系統(tǒng)中的故障和故障產(chǎn)生的原因以及故障產(chǎn)生與哪些參數(shù)有關(guān)系，因為電源系統(tǒng)的變化多樣常常是非線性的，所以要把數(shù)據(jù)庫中的數(shù)據(jù)和故障現(xiàn)象建立一個固定的架構(gòu);在架構(gòu)建立好后神經(jīng)網(wǎng)絡就可以通過這個架構(gòu)根據(jù)數(shù)據(jù)分析出是否有故障產(chǎn)生，若是有就可以找出故障的原因。電池的故障是比較多的例如：電池溫度過高、過充電和過放電造成的電池損害、電壓過高過低、均衡失效、充放電時電流不規(guī)律，還有長時間放置電池而沒電的自放電現(xiàn)象以及電池內(nèi)阻異常和衰老等問題。多層前向神經(jīng)網(wǎng)絡就是通過電池的一些相關(guān)參數(shù)的變化來找到故障及故障原因。故障診斷流程大體上如圖l所示。

先采集動力電池的參數(shù)，再把所得參數(shù)輸入到電池的管理系統(tǒng)計算出電池的剩余電量（soc），管理系統(tǒng)再把參數(shù)信息輸入到故障診斷系統(tǒng)，診斷系統(tǒng)對數(shù)據(jù)分析確定電池有沒有出現(xiàn)問題或者已有問題并將會產(chǎn)生故障，這些結(jié)果再通過上位機顯示出來，有故障時上位機會對故障信息進行預警，同時還會反饋個電池管理系統(tǒng)讓其對電池進行相應措施，這樣就可以對純電動汽車的動力電源系統(tǒng)進行故障的分析和診斷了，同時也可以保證電源系統(tǒng)能夠正常運行。

4神經(jīng)網(wǎng)絡故障診斷系統(tǒng)的應用

運用神經(jīng)網(wǎng)絡故障診斷系統(tǒng)能夠很準確的把純電動汽車動力電源系統(tǒng)所出現(xiàn)的故障診斷出來，該診斷系統(tǒng)是把故障現(xiàn)象以代碼的形式存在數(shù)據(jù)庫內(nèi)，通過對故障碼的分析找出故障現(xiàn)象以完成對故障的診斷。而在此之前需要對故障檢測系統(tǒng)進行訓練，使代碼和故障現(xiàn)象有一個對應關(guān)系。以動力電池常出現(xiàn)的故障為例，如表2所示。

當故障現(xiàn)象與故障碼建立一種相互對應的關(guān)系后，神經(jīng)網(wǎng)絡診斷系統(tǒng)根據(jù)樣本輸入的信息分析可以輸出目標信息，它的神經(jīng)網(wǎng)絡訓練樣本以電池出現(xiàn)的故障為例：電池的活性物質(zhì)脫落、電極極化和電池電量過低等故障。如表3所示。

神經(jīng)網(wǎng)絡診斷系統(tǒng)從學習的樣本中可診斷出所出現(xiàn)的故障，樣本輸入的信息是an（ n=l、2…6）代替故障現(xiàn)象。當an=O時代表沒有故障現(xiàn)象發(fā)生;當an=l時代表存在故障現(xiàn)象。而目標輸出為{l O O}是其中的表示第一個故障存在，因為在樣本信息中1表示存在故障現(xiàn)象，O表示沒有故障現(xiàn)象。在上面的神經(jīng)網(wǎng)絡訓練樣本中有三種故障存電池活性物質(zhì)脫落;電量過低;電池極板硫化。而在輸出時，1是代表存在故障，o是代表沒有故障。這個過程可以通過MATLAB仿真軟件進行故障診斷模擬。

（1）要建立一個BP神經(jīng)網(wǎng)絡也就是表2所示，要故障與故障碼相對應作為樣本信息的輸入，再將故障作為目標信息的輸出，從而建立BP神經(jīng)網(wǎng)絡，之后得出程序語句如下：

net=newff（minmax（P），[10，3]，‘logsig，‘logsig}，‘traingdm）;

而且還建立網(wǎng)絡結(jié)構(gòu)并進行具體的參數(shù)設(shè)置，如圖2所示。

本文利用Levenberg-Marquardt訓練方法，對輸入和輸出項進行訓練，神經(jīng)網(wǎng)絡結(jié)構(gòu)以及具體的訓練參數(shù)如圖2所示。

在訓練之后可以得到目標信息輸出值如表4所示。

將樣本輸入和目標輸出輸入到MATLAB仿真系統(tǒng)中進行訓練可以得到如圖3的效果訓練圖。

（2）進行故障診斷時將檢測到的故障的碼如：a=[0 0 0.9 1 0.2 0]所示，輸入到之前訓練的BP神經(jīng)網(wǎng)絡中進行診斷，可以得到一個實際的目標輸出信息b =[0.9280 0.08970.3649]，其與原來訓練時的輸出目標[1 0 0]相似，既故障是電池活性物質(zhì)脫落。

5結(jié)論

本文根據(jù)對純電動汽車動力電池系統(tǒng)常見的故障類型、產(chǎn)生原因及診斷方法的分析，提出了一種神經(jīng)網(wǎng)絡故障診斷方法，并對神經(jīng)網(wǎng)絡的診斷方法進行了詳細的介紹，最后舉出了基于神經(jīng)網(wǎng)絡的純電動汽車動力電池系統(tǒng)故障診斷案例。通過本文的研究可以提高純電動汽車動力電源系統(tǒng)故障診斷的效率以及準確性。

參考文獻

[1]史文杰，某純電動汽車故障診斷功能的設(shè)計和研究[D].合肥工業(yè)大學，2015，23-34.

[2]邱綱，陳勇，李東，電動汽車用動力電池的現(xiàn)狀及發(fā)展趨勢[J].遼寧工業(yè)大學學報（自然科學版），2004，24 （02）：41-44.

[3]張榮沂.基于神經(jīng)網(wǎng)絡的智能故障診斷技術(shù)[J].自動化技術(shù)與應用，2003，22 （02）：15-17.

[4]古昂，張向文.基于RBF神經(jīng)網(wǎng)絡的動力電池故障診斷系統(tǒng)研究[J].電源技術(shù)，2016， 40 （10）：1943-1945.

[5]李俊松.基于神經(jīng)網(wǎng)絡的混合動力汽車故障診斷研究[D].武漢：武漢理工大學，2003： 23-28.

[6]郭榮春，高樹文，基于神經(jīng)網(wǎng)絡的汽車發(fā)動機故障診斷研究[J].山東交通學院學報，2011，19 （01）：9-17.

[7]胡勇，增程式電動車故障診斷系統(tǒng)研究與控制算法開發(fā)[D]，吉林：吉林大學，2012，7-24.