改进D-S证据理论在电动汽车锂电池故障诊断中的应用

被引：16

作者：

夏飞 ^{[1
,2
,3
]}

马茜 ^{[1
,2
]}

张浩 ^{[1
,2
,3
]}

彭道刚 ^{[1
,2
]}

孙朋 ^{[1
,2
]}

罗志疆 ^{[1
,2
]}

机构：

[1] 上海电力学院自动化工程学院

[2] 上海发电过程智能管控工程技术研究中心

[3] 同济大学电子与信息工程学院

来源：

智能系统学报 | 2017年 / 12卷 / 04期

关键词：

故障诊断; 电动汽车; 锂电池; 改进证据理论; 信息融合;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; U469.72 [电动汽车]; U472.9 [诊断和检测技术及其仪器设备];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0807 ; 082304 ;

摘要：

针对电动汽车电池系统的故障采用基于神经网络的改进D-S证据理论组合规则完成诊断过程。为了避免单一途径的诊断可能造成故障漏检误检的状况,决策层采用D-S证据理论组合规则来确定基于BP网络和RBF网络两种故障诊断算法结果。然而为了克服D-S证据理论处理高度冲突证据的缺陷,本文提出了一种基于神经网络改进的D-S证据理论组合规则。首先,采用神经网络对电池故障进行初步诊断,结合网络诊断准确率来分配不确定信息并构造证据体,又引入了证据间的支持矩阵来确定新的加权证据体。然后,把各个焦元的信任度融入D-S证据理论组合规则,从而融合神经网络证据体及新加权证据体。最后,依据决策准则确定锂电池系统的故障状态。通过仿真实验验证了本文提出的改进D-S证据理论融合诊断方法在电动汽车锂电池故障诊断中的有效性。

引用

页码：526 / 537

页数：12

共 24 条

[1]

混合动力汽车电池管理系统故障诊断与健康管理研究.[D].卿平勇.北京理工大学.2015, 03

[2]

基于DS证据理论的多传感器数据融合算法研究与应用.[D].王力.太原理工大学.2015, 09

[3]

车用动力锂离子电池系统故障诊断研究与实现.[D].檀斐.北京理工大学.2015, 07

[4]

智能环境下基于视频多特征融合的单说话人跟踪方法研究.[D].郭雷雷.兰州理工大学.2014, 10