车用动力锂离子电池系统故障诊断研究与实现

被引:0
作者
檀斐
机构
[1] 北京理工大学
关键词
动力锂电池; 故障诊断; 故障树分析; 故障模式影响分析; 小波分析; 神经网络;
D O I
暂无
年度学位
2015
学位类型
硕士
导师
摘要
当今社会面临着严峻的能源和环境问题,电动汽车逐渐成为最有发展前景的技术产物之一。而动力电池是电动汽车的关键部件,同时也是电动汽车的主要故障来源。研究动力电池系统故障,能够有效诊断电池系统故障,预测电池系统故障的发生,提高车用动力电池的使用寿命。本文主要研究车用动力电池系统常见故障、故障原因及故障处理方式,以并增程式电动车辆为依托,完成故障诊断方法的软硬件实现。 首先,利用故障树分析(FTA),确定车用动力电池系统常见故障原因,利用故障模式及影响分析(FMEA),对各类潜在故障可能出现的后果及故障处理措施做出初步的判定。 其次,通过改进RC阻容模型,建立锂离子电池单体性能模型及简化的电池散热模型。在6种初始SOC条件下时,4种电池单体(容量偏小电池单体、内阻偏大电池单体、SOC偏低电池单体及正常电池单体)通过改进的ECE+EUDC工况产生电压、单体温度、单体SOC仿真数据,为单体不一致故障诊断提供数据支持。 第三,对单体仿真过程中产生的外特性数据,利用小波包分析的方式,以小波包节点的能量值作为故障诊断输入量,提取诊断特征向量。设计故障诊断BP神经网络,诊断电池单体不一致故障 第四,设计与电池管理系统相关的硬件电路,包括均衡电路、风扇驱动电路、绝缘检测电路。设计故障诊断软件系统,包括故障的分类、故障发分级、故障的存储、传播及内容,实现了硬件的故障诊断。 最后,设计电池管理系统上位机LabVIEW软件系统。程序采用基于事件触发的方式,显示记录电池管理系统采集的动力电池系统状态参数及故障诊断数据。为电池管理系统的故障验证,及改善管理系统的故障诊断系统,提供数据分析。
引用
收藏
页数:88
共 35 条
[1]
基于小波分析的结构损伤识别方法研究 [D]. 
郭健 .
浙江大学,
2004
[2]
Lithium ion battery pack power fade fault identification based on Shannon entropy in electric vehicles.[J].Yuejiu Zheng;Xuebing Han;Languang Lu;Jianqiu Li;Minggao Ouyang.Journal of Power Sources.2013,
[3]
A review on the key issues for lithium-ion battery management in electric vehicles.[J].Languang Lu;Xuebing Han;Jianqiu Li;Jianfeng Hua;Minggao Ouyang.Journal of Power Sources.2013,
[4]
Module design and fault diagnosis in electric vehicle batteries.[J].Gregory J. Offer;Vladimir Yufit;David A. Howey;Billy Wu;Nigel P. Brandon.Journal of Power Sources.2012,
[5]
Diagnostic examination of thermally abused high-power lithium-ion cells [J].
Abraham, D. P. ;
Roth, E. P. ;
Kostecki, R. ;
McCarthy, K. ;
MacLaren, S. ;
Doughty, D. H. .
JOURNAL OF POWER SOURCES, 2006, 161 (01) :648-657
[6]
An expert system for optimal selection of a press for a sheet metal operation.[J].R Singh;G.S Sekhon.Journal of Materials Processing Tech..1999, 1
[7]
车用动力电池系统的关键技术与学科前沿 [J].
张剑波 ;
卢兰光 ;
李哲 .
汽车安全与节能学报, 2012, 3 (02) :87-104
[8]
动态系统的故障诊断技术.[J].周东华;胡艳艳;.自动化学报.2009, 06
[9]
电池组故障诊断模糊专家系统的研究.[J].郑杭波;齐国光;.高技术通讯.2004, 06
[10]
增程式电动汽车动力传动系统参数匹配及性能仿真 [D]. 
秦昀 .
哈尔滨工业大学,
2012