張騫　郭昊　謝文龍

摘要：利用FMEA經(jīng)典知識(shí)對(duì)電池系統(tǒng)的失效模式進(jìn)行分析，并對(duì)系統(tǒng)總體方案進(jìn)行設(shè)計(jì)，最后詳述了GA-SVM電池系統(tǒng)故障診斷算法，并采用“一對(duì)一”和“一對(duì)多”兩種多分類算法進(jìn)行對(duì)比驗(yàn)證。結(jié)果表明：電池系統(tǒng)故障得到準(zhǔn)確判斷及定位，故障識(shí)別率分別達(dá)到100%和90%。

關(guān)鍵詞：電池系統(tǒng)；失效模式；故障識(shí)別率

中圖分類號(hào)：TB

文獻(xiàn)標(biāo)識(shí)碼：A

doi：10.19311/j.cnki.16723198.2017.01.091

0引言

隨著全球性能源短缺和對(duì)環(huán)保意識(shí)的不斷提高，純電動(dòng)汽車已成為未來(lái)汽車產(chǎn)業(yè)的重要發(fā)展趨勢(shì)。電池系統(tǒng)作為電動(dòng)汽車的核心部件更是得到了廣泛的關(guān)注與研究。

電池系統(tǒng)性能好壞直接影響著整車安全性和可靠性。由于動(dòng)力電池組在運(yùn)行過(guò)程中狀態(tài)參數(shù)不能實(shí)時(shí)被監(jiān)控和故障提醒，易出現(xiàn)過(guò)充、過(guò)放、高溫及電壓一致性差等問(wèn)題，為了提高電池系統(tǒng)的性能，自診斷設(shè)計(jì)顯得尤為重要。

本文基于FMEA對(duì)電池系統(tǒng)失效模式分析的基礎(chǔ)上設(shè)計(jì)電池管理系統(tǒng)的故障自診斷策略；進(jìn)行基于支持向量機(jī)（SVM）的電池系統(tǒng)故障識(shí)別算法的設(shè)計(jì)，并加入遺傳算法（GA）進(jìn)行參數(shù)的自適應(yīng)尋優(yōu)提高故障的識(shí)別率。

1系統(tǒng)失效分析

根據(jù)電池系統(tǒng)特點(diǎn)并結(jié)合FMEA中經(jīng)典理論來(lái)對(duì)其運(yùn)行過(guò)程中失效模式進(jìn)行分析，重點(diǎn)是對(duì)電池運(yùn)行過(guò)程中可能出現(xiàn)的各故障狀態(tài)進(jìn)行分析，包括電池工作中的過(guò)充、過(guò)放、高溫以及單體電池電壓間不一致現(xiàn)象；電池系統(tǒng)中的硬件電路的故障分析，包括電流傳感器、溫度傳感器、執(zhí)行器和控制器本身的故障。分析結(jié)果如表1所示。

2動(dòng)力電池系統(tǒng)故障診斷總體方案設(shè)計(jì)

動(dòng)力電池系統(tǒng)技術(shù)還不是很成熟，經(jīng)常會(huì)出現(xiàn)各種各樣的故障。現(xiàn)階段在故障診斷技術(shù)研究的基礎(chǔ)上，結(jié)合動(dòng)力電池系統(tǒng)特點(diǎn)，采用典型特征數(shù)據(jù)的離線訓(xùn)練仿真并進(jìn)行在線算法驗(yàn)證的方式對(duì)電池系統(tǒng)故障診斷進(jìn)行設(shè)計(jì)。具體設(shè)計(jì)方案如圖1所示。

如圖2所示，基于支持向量機(jī)的故障診斷分為四步：

（1）電池?cái)?shù)據(jù)：通過(guò)BMS對(duì)電池的各種參數(shù)特征信號(hào)進(jìn)行實(shí)時(shí)采集，比如電池電壓、電流、溫度等。

（2）數(shù)據(jù)處理：通過(guò)[0，1]歸一化對(duì)篩選的故障特征數(shù)據(jù)進(jìn)行處理，構(gòu)造出訓(xùn)練和測(cè)試樣本集。

（3）經(jīng)典SVM分類：有常規(guī)的兩部分組成，其中訓(xùn)練SVM是對(duì)學(xué)習(xí)樣本數(shù)據(jù)進(jìn)行訓(xùn)練，得到訓(xùn)練模型；預(yù)測(cè)數(shù)據(jù)是將測(cè)試集數(shù)據(jù)樣本輸入訓(xùn)練好的模型進(jìn)行模式識(shí)別分類，得到預(yù)測(cè)結(jié)果。

（4）結(jié)論：得出分類的準(zhǔn)確率。

3.2電池系統(tǒng)故障診斷

3.2.1樣本數(shù)據(jù)

采用電池系統(tǒng)5類故障進(jìn)行分類：1總電壓；2模塊電壓；3模塊溫度；4環(huán)境溫度；5充放電電流。加入正常數(shù)據(jù)共6類數(shù)據(jù)，每種10個(gè)樣本為訓(xùn)練樣本，共60個(gè)數(shù)據(jù)集，并進(jìn)行歸一化處理。

3.2.2多故障分類器

將60個(gè)數(shù)據(jù)作為訓(xùn)練樣本，分類器采用高斯徑向基核函數(shù)，采用“一對(duì)一”、“一對(duì)多”兩種多分類算法?！耙粚?duì)一”分類：將兩種狀態(tài)各10個(gè)樣本作為分類器的兩端輸入，分別標(biāo)識(shí)為+1和-1，對(duì)應(yīng)6種狀態(tài)共建立15個(gè)兩類分類器；“一對(duì)多”分類：將一種狀態(tài)的10個(gè)樣本和其余5種狀態(tài)的50個(gè)樣本作為分類器的兩端輸入，分別標(biāo)識(shí)為+1和-1，對(duì)應(yīng)6種工作狀態(tài)共建立6個(gè)兩類分類器。

3.2.3基于GA實(shí)現(xiàn)SVM參數(shù)自適應(yīng)優(yōu)化

考慮到目前SVM的參數(shù)選擇仍然采用實(shí)驗(yàn)試湊法，很難獲取到最優(yōu)參數(shù)，本文利用GA對(duì)SVM的參數(shù)進(jìn)行自適應(yīng)尋優(yōu)，對(duì)SVM的參數(shù)C、g進(jìn)行尋優(yōu)，具體流程如圖3所示。

3.2.4結(jié)果分析

首先對(duì)30個(gè)測(cè)試樣本進(jìn)行“一對(duì)一”分類算法的驗(yàn)證，共進(jìn)行20次的參數(shù)尋優(yōu)，并分別對(duì)尋優(yōu)的參數(shù)進(jìn)行SVM訓(xùn)練。在保證高分類率的基礎(chǔ)上選取具有最小參數(shù)C的一組值進(jìn)行驗(yàn)證。具體分類結(jié)果如圖4所示。

4結(jié)論

基于GA-SVM的鉛酸動(dòng)力電池系統(tǒng)故障診斷的應(yīng)用將對(duì)車用電池管理系統(tǒng)的穩(wěn)定性、安全性及經(jīng)濟(jì)適用性帶來(lái)保障，可以有效的減輕動(dòng)力電池系統(tǒng)故障對(duì)電動(dòng)汽車正常運(yùn)行的影響，從而提高整車的安全性能，對(duì)電池系統(tǒng)的進(jìn)一步維護(hù)和開(kāi)發(fā)具有很大的作用和實(shí)際意義。

參考文獻(xiàn)

[1]胡蓓.鎳氫電池前景可期[J].中國(guó)金屬通報(bào)，2010，（2）：1819.

[2]張劍波，盧蘭光，李哲等.車用動(dòng)力電池系統(tǒng)的關(guān)鍵技術(shù)與學(xué)科前沿[J].汽車安全與節(jié)能學(xué)報(bào)，2012，3（2）：87104.

[3]Stamatis，D.H.著，陳曉彤，姚紹華譯.故障模式與失效分析：FEMA從理論到實(shí)踐[M].北京：國(guó)防工業(yè)出版社，2005.