[发明专利]一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统

说明书

本发明公开了一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统，所述方法包括以下步骤，获取统计历史故障数据；分析历史故障数据，运用故障树分析法，构建电动汽车充电过程多级设备故障树；根据故障树，获取故障征兆集、故障原因集；运用模糊数学诊断法，分析故障征兆集、故障原因集模糊相关性；构建电动汽车充电过程神经网络故障诊断模型；将实际故障数据输入神经网络故障诊断模型，获得故障诊断结果。本发明可提高电动汽车充电过程中故障诊断的精度，确保电动车充电安全。

技术领域

本发明涉及电动汽车技术领域，具体涉及一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统。

背景技术

电动汽车作为新能源汽车的主要发展方向之一，越来越受到人们的重视，随着电动汽车保有量不断增加，电动汽车安全事故逐年增加，尤其是充电过程中产生的安全问题严重制约新能源汽车行业的蓬勃发展。目前，电动汽车充放电故障诊断及安全运维服务体系尚不完善，故障定位及预警等级评价精度欠缺，充放电过程故障智能诊断及安全预警技术研究深度不够。

当前业界的很多工作都聚焦于电池本身的安全研究，尚未见到在动力电池、充电设备充电安全方面进行开展研究，也没有形成有效的充电安全预警体系。

发明内容

发明目的：本发明的目的是提供一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统，提高故障定位精准度，形成动力电池、充电设备充电安全预警，保障电动汽车充电安全。

为解决上述技术问题，本发明了提供一种基于神经网络的电动汽车充电过程多级设备故障诊断方法，包括以下步骤：

获取统计历史故障数据；分析历史故障数据，运用故障树分析法，构建电动汽车充电过程多级设备故障树；根据故障树，获取故障征兆集、故障原因集；运用模糊数学诊断法，分析故障征兆集、故障原因集模糊相关性；构建电动汽车充电过程神经网络故障诊断模型；将实际故障数据输入神经网络故障诊断模型，获得故障诊断结果。

可选的，所述电动汽车充电过程多级设备故障树的构建包括以下步骤：

确定电动汽车充电过程多级设备故障树的顶事件；

从顶事件开始，向下逐层分解确定相应次级事件，直至底事件全部被确定，其中所述次级事件是通过分析顶事件的原因进行寻找获得的；

根据故障分类以及发生顶事件的原因，分析得出顶事件与底事件之间的关系。

可选的，所述故障征兆集表示为：

M＝{m₁,m₂,m₃,...,m_n} (1)

其中m_i(i＝1,2,3…,n)表示故障发生征兆；

所述故障原因集表示为：

X＝{x₁,x₂,x₃,...,x_k} (2)

其中x_i(i＝1,2,3…,k)表示故障发生原因。

可选的，所述故障模糊相关性分析过程为：通过隶属度函数和模糊矩阵理论，对所述故障征兆集和故障原因集中一个故障征兆对应多种故障原因的情况，进行处理，寻找故障原因。

可选的，所述电动汽车充电过程神经网络故障诊断模型的构建包括以下步骤：

获取bp神经网络模型；

将模糊相关性分析后得到的数据划分成训练集、测试集；

利用训练集对bp神经网络模型进行训练；