[发明专利]基于纵横交叉优化模糊BP神经网络的电池故障诊断方法

说明书

本发明提供的基于纵横交叉优化模糊BP神经网络的电池故障诊断方法，首先对样本进行模糊化，对故障诊断中对不精确或不确定等模糊信息进行处理，是神经网络的训练样本更精确；接着利用纵横交叉算法对神经网络的各项权值和阈值进行优化，使神经网络收敛速度加快，并且不会陷入局部最优，将模糊理论与纵横交叉对神经网络的优化相结合，使得对电池故障的诊断更加精确。本发明提供的基于纵横交叉优化模糊BP神经网络的电池故障诊断方法，适用于锂电池、铅酸电池以及其他燃料电池等常用的一系列电池，不管是静置还是使用状态，都能对电池进行实时的故障诊断，相比于现有的其他电池故障诊断方法，该方法的精度更高，误差更小。

技术领域

本发明涉及电源技术领域，更具体的，涉及一种基于纵横交叉优化模糊BP神经网络的电池故障诊断方法。

背景技术

随着社会经济的快速发展，人们对交通工具的依赖性越来越强，而作为主要代步工具的汽车数量正逐年增加，但是这些便捷的交通工具在给人们的日常生活带来了方便的同时，也使得很多环境污染等问题日益突出。为了解决全球能源危机以及严重的环境污染问题，人们大力研究发展电动汽车，电动汽车以其节能环保的优点而受到人们的重视，并且从环境保护、能源短缺、经济和技术的角度出发，电动汽车是未来绿色汽车发展的主流。近些年来，全球掀起了电动汽车的狂潮，电动汽车的数量急速上涨。如特斯拉早前就研究并量产了电动汽车，随后国内的吉利、比亚迪等汽车品牌也相继推出电动汽车，现在很多大型企业也都在进行电动汽车的研究制造。

锂离子电池是电动汽车重要的动力源，锂离子电池的好坏会直接影响到电动汽车的发展和研究。但是现在汽车上的电池在使用过程中依然会产生一系列的问题，其中比较棘手的是锂离子电池经常出现过充、过放、短路、过热，并且电池的充放电特性受环境的影响较大。这些情况不仅会造成车辆使用成本的增加，还会直接损害电池本身的寿命，严重的甚至还会造成车辆停驶、损坏甚至烧毁爆炸等极端的危险情况，因此对电池故障诊断的研究至关重要。

目前对于电池故障诊断的研究比较多，现有的电池故障诊断方法也比较繁多。现有的电池故障诊断方法有：电池SOH以及SOC模型估算法、基于物联网的远程故障诊断法、基于专家系统的故障诊断法、基于模糊理论的专家系统诊断法、基于经典神经网络的诊断法、基于模糊理论的神经网络诊断法等，其中神经网络法相比于其他方法更具有优势。这一方法是将电池出现的故障症状作为神经网络的输入层，将电池的故障原因作为神经网络的输出层，从而对电池出现的故障进行诊断。这种方法不受电池状态的限制，在电池运行状态时也可以对其进行精确地故障诊断，而且它对电池模型的要求不是很苛刻，也就是说它不依赖于电池的模型构造。但是传统的神经网络法以及基于模糊理论的神经网络法，在其算法运行过程中容易陷入局部最优，这样就导致估算不精确，误差较大。也有一些神经网络方法中采用了优化算法，但是估算精度依然不是很高，存在一定的误差。

发明内容

本发明为克服现有电池故障诊断方法算法运行过程中，存在容易陷入局部最优，导致估算不精确的技术缺陷，提供一种基于纵横交叉优化模糊BP神经网络的电池故障诊断方法。

为解决上述技术问题，本发明的技术方案如下：

基于纵横交叉优化模糊BP神经网络的电池故障诊断方法，包括以下步骤：

S1：获取样本数据，对样本数据进行预处理；

S2：根据预处理后的样本数据，人为地进行电池常见故障分析，得到各电池故障症状；

S3：将各电池故障症状作为输入量，进行模糊化处理，得到模糊BP神经网络的训练样本；

S4：根据各电池故障症状构建BP神经网络模型，并初始化模型算法参数；

S5：计算BP神经网络的输出值以及各层之间的连接权值与各项阈值；

S6：根据当前的权值与阈值进行计算，比较确定当前最优位置；