[发明专利]电池系统故障诊断方法及系统

说明书

技术领域

本发明涉及一种基于BP神经网络实现的电池系统故障诊断方法及系统，属于电池系统故障诊断领域。

背景技术

作为未来汽车产业的发展趋势，电动汽车的时代即将到来。

对于电动汽车，电池系统是为其提供动力的能量源，因此，电池系统的正常供电是至关重要的。一般地，电池系统由电池、冷却电路、加热电路、电池管理电路、各传感器、电池箱、高压电路及用于连接其之间的信号线路等构成。电池系统是一种结构十分复杂的系统，因此，其故障现象呈现多样性，且很多复杂的故障产生的原因又往往呈现模糊性、随机性、组合性等特点。

目前，电池系统所采用的诊断方法为面向元件的诊断方法，该方法根据局部信息得出局部结论，很难对发生故障的根本原因做出准确的判定。而若通过建立基于诊断对象的精确数学模型进行故障诊断，则又会由于电池系统的复杂性、非线性特征而很难达到实用效果。

由此可见，设计出一种可准确、快速对电池系统故障做出诊断的技术方案是目前急需解决的问题。

发明内容

本发明的目的在于提供一种电池系统故障诊断方法及系统，该电池系统故障诊断方法及系统将模糊理论与神经网络结合，融合电池系统多元件信号信息，以简便的方式实现了对复杂电池系统的故障诊断，故障诊断结果准确率高、诊断效率高，且具备自适应修正功能。

为了实现上述目的，本发明采用了以下技术方案：

一种电池系统故障诊断方法，其特征在于它包括：基于采集电池系统的温度信号、湿度信号、电池电流信号和电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。所述湿度信号为所述电池系统的电池箱内的湿度信号。

优选地，将采集的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，以得到作为所述BP神经网络的输入变量的故障征兆；所述BP神经网络的输出变量为故障原因及其故障可能性。所述故障征兆为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低，所述故障原因为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水。

优选地，存储采集的所述电池系统的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号，存储所述BP神经网络输出的故障诊断结果，基于存储的所述温度信号、所述湿度信号、所述电池电流信号、所述电池电压信号以及所述BP神经网络输出的故障诊断结果，对所述BP神经网络的权值和阀值进行自适应修正，以提高所述BP神经网络输出的故障诊断结果的准确率和诊断效率。

一种电池系统故障诊断系统，其特征在于：它包括数据采集模块、神经网络故障诊断模块，其中：该数据采集模块用于采集电池系统的温度信号、湿度信号、电池电流信号、电池电压信号，该神经网络故障诊断模块用于基于采集的该温度信号、该湿度信号、该电池电流信号和该电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。所述湿度信号为所述电池系统的电池箱内的湿度信号。

优选地，所述电池系统故障诊断系统还包括模糊化处理模块，该模糊化处理模块用于将采集的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，以得到作为所述BP神经网络的输入变量的故障征兆；所述BP神经网络的输出变量为故障原因及其故障可能性。

所述故障征兆为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低，所述故障原因为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水。

优选地，所述电池系统故障诊断系统还包括数据库管理模块、神经网络自学习模块，该数据库管理模块包括检测值历史数据库、故障信息数据库、神经网络知识库，其中：该检测值历史数据库用于存储所述数据采集模块实时采集的所述电池系统的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号；该故障信息数据库用于存储所述BP神经网络输出的故障诊断结果；该神经网络知识库用于存储预先训练好的所述BP神经网络的权值和阀值；该神经网络自学习模块用于基于该检测值历史数据库存储的所述温度信号、所述湿度信号、所述电池电流信号、所述电池电压信号以及该故障信息数据库存储的所述BP神经网络输出的故障诊断结果，对该神经网络知识库存储的所述BP神经网络的权值和阀值进行自适应修正，以提高所述神经网络故障诊断模块的所述BP神经网络输出的故障诊断结果的准确率和诊断效率。

本发明的优点是：