[发明专利]一种新能源汽车电池采样异常故障识别方法有效
申请号: | 202210101511.7 | 申请日: | 2022-01-27 |
公开(公告)号: | CN114415054B | 公开(公告)日: | 2022-10-11 |
发明(设计)人: | 万鑫铭;杨飞;刘川;程端前;马留可;晏玖江;刘成豪;朱蜀江 | 申请(专利权)人: | 中国汽车工程研究院股份有限公司 |
主分类号: | G01R31/396 | 分类号: | G01R31/396 |
代理公司: | 重庆强大凯创专利代理事务所(普通合伙) 50217 | 代理人: | 范淑萍 |
地址: | 401122 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 新能源 汽车 电池 采样 异常 故障 识别 方法 | ||
1.一种新能源汽车电池采样异常故障识别方法,其特征在于,包括以下步骤:
S1、获取新能源汽车电池组中各个电芯在放电状态时的电压数据;
所述步骤S1中具体包括以下步骤:
S101、获取新能源汽车电池组的电池信号数据;
S102、将电池信号数据根据设定的清洗条件进行清洗,获取新能源汽车电池组中各个电芯在放电状态时的电压数据;所述电压数据包括电压矩阵,所述电压矩阵的行数、列数分别表示时刻信息和电芯号;
S2、对电压数据进行特征提取,并采用距离累积方法形成距离累积矩阵;
所述步骤S2中具体包括以下步骤:
S201、对电压矩阵进行特征提取,获取电压矩阵中每行电压值的中位数电压值,计算电压矩阵中每个电压值与同行的中位数电压值的电压差值,得到目标矩阵;
S202、设定滑动窗口的时间长度,并通过滑动窗口划分目标矩阵;
S203、将滑动窗口内的且位于同列的电压差值进行累加计算得到距离累积向量,并得到距离累积矩阵;
S3、对距离累积矩阵中每个电芯的特征向量进行遍历,获取各个电芯的第一分位数和第二分位数;
所述步骤S3中具体包括以下步骤:
S301、对距离累积矩阵中的列向量进行遍历,对列向量进行排序,并根据预设选取规则从排序结果中选出单个电芯的第一分位数和第二分位数;
S302、重复执行步骤S301,获取各个电芯对应的各列向量的第一分位数和第二分位数;
S4、根据各个电芯的第一分位数和第二分位数,分别获取新能源汽车电池组整体的第一全局分位数和第二全局分位数;
S5、将第一全局分位数和第二全局分位数分别作为异常阈值上限与异常阈值下限,并对距离累积矩阵中每个电芯的特征向量进行遍历,判断其累积值是否小于异常阈值下限,若小于,则判断其相邻电芯同时刻的累积值是否大于异常阈值上限,若大于,则判定此时刻发生采样异常,并标记此时刻;
S6、当采样异常在单位时间内累计发生次数达到设定次数时,则判定确实发生采样异常故障,并返回标记时刻及发生故障的电芯号。
2.根据权利要求1所述的一种新能源汽车电池采样异常故障识别方法,其特征在于:所述列向量的排序为降序排序,所述选取规则包括以下步骤:
S303、计算第一位数i,其中i=L×n%,L为距离累积矩阵的行数,n%为第一阈值分数;若i不是整数,则向上取整;
S304、从降序排序的列向量中选取第i项与第i+1项的电压值的电压平均值,并将电压平均值作为第一分位数;
S305、根据步骤S303和步骤S304,获取第二分位数,其中i=L×(1-n%)。
3.根据权利要求2所述的一种新能源汽车电池采样异常故障识别方法,其特征在于:所述步骤S4中具体包括以下步骤:
S401、将各个电芯的第一分位数进行降序排序,得到第一排序结果;将各个电芯的第二分位数进行降序排序,得到第二排序结果;
S402、根据第一排序结果和选取规则,获取第一分位数作为新能源汽车电池组整体的第一全局分位数;
S403、根据第二排序结果和选取规则,获取第二分位数作为新能源汽车电池组整体的第二全局分位数。
4.根据权利要求1所述的一种新能源汽车电池采样异常故障识别方法,其特征在于:还包括以下步骤:
S7、若在标记时刻后持续设定时长及以上且不再满足步骤S5的判断条件时,则在下一次满足步骤S5的判断条件时更新标记时刻,继续进行步骤S5和步骤S6识别新能源汽车电池组是否发生采样异常故障。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国汽车工程研究院股份有限公司,未经中国汽车工程研究院股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210101511.7/1.html,转载请声明来源钻瓜专利网。