[发明专利]一种基于支持向量机的电池故障识别方法

权利要求书

1.一种基于支持向量机的电池故障识别方法，其特征是，包括以下步骤：

步骤1、将包含多个单体电池的电池组作为待测电池组；

步骤2、采集待测电池组使用过程中正常单体电池和故障单体电池的电压数据作为原始数据集；

步骤3、对原始数据集进行深度处理，提取特征参数；包括单体电池电压信号的自相关系数、相邻单体电池电压的互相关系数、单体电池的三阶无量纲特征参数值、单体电池电压差异的方差、单体电池电压差异的偏度系数和单体电池电压差异的模糊熵；

从每个采样点对应的滑动时间窗口内的各单体电池电压信号中提取两个特征参数，分别为各个单体电池电压信号的的三阶无量纲特征参数值wlgtz_i和各单体电池电压差异的方差fc_ΔU_i；

S3.1、每个时刻对应时间窗口内各个采样点，计算各个单体电池对应的电压三次方的平均值u_3,i；

S3.2、每个时刻对应时间窗口内各个采样点，计算各个单体电池对应的电压二次方的平均值u_2,i；

S3.3、每个时刻对应时间窗口内，根据公式(1)计算各个单体电池电压对应的三阶无量纲特征参数值wlgtz_i；

S3.4、每个时刻对应时间窗口内各个采样点，根据公式(2)计算各单体电池电压相比于所有单体电池电压平均值的差异ΔU_i；

S3.5、每个时刻对应时间窗口内，根据公式(3)计算各个单体电池电压差异的方差fc_ΔU_i；

步骤4、对特征参数进行归一化处理，获得基于特征参数数据的样本集；

步骤4的归一化处理包括：

采用最大-最小标准化原则，公式如下：

式中，x_i为提取的特征参数；y_i为归一化后的特征参数值；x_min为提取的特征参数的最小值；x_max为提取的特征参数的最大值，n为样本的个数；

步骤5、按照正常单体电池和故障单体电池的数据，对样本集进行标签的标注；

步骤6、将带有标签的样本集随机拆分为训练集和测试集，通过训练集进行SVM模型的训练；

步骤6的实现包括：将带有标签的样本集按照1：1的比例拆分成训练集和样本集，将训练集送入到SVM模型中进行参数的训练；

步骤7、将测试集送入训练好的SVM模型中进行模型的测试，对SVM模型的性能进行评估；

步骤7所述SVM模型采用核函数为RBF核函数，RBF核函数为：

κ(x₁,x₂)＝exp(-||x₁-x₂||²/2σ²)；

步骤8、利用所建模型，对电池进行实时诊断；

步骤8所述对电池进行实时诊断包括电池有故障和电池正常两种状态的诊断。