动力电池系统是电动汽车(EV)的关键部件和主要故障源,因而提高动力电池故障诊断的效率和准确率显得尤为重要.基于此提出一种基于快速傅里叶变换(FFT)和异常系数评估(ACE)的动力电池电压不一致性故障诊断方法.针对6辆发生故障或热失控事故的电动汽车和1辆电压一致性良好的电动汽车,基于其在新能源汽车国家监管平台的全生命周期运行数据,经过电压数据的数据清洗、数据变换等大数据预处理后,利用FFT技术时频变换,提取频域中的幅值作为故障诊断的特征参数;然后,引进基于Z分数理论的异常系数对故障程度进行定量评估,以实现故障单体的检测和定位;此外,针对存在多个故障单体的情况,基于单体异常率的计算,实现单体故障程度的判定和排序;在此基础上,详细分析电压数据长度及采样间隔、FFT采样点数对模型的影响;最后,与基于熵和Z分数的电压故障诊断方法进行比较.研究结果表明:在上述研究条件下,该诊断方法对于电压一致性良好的车辆未产生误报警,且可以有效地检测出事故车辆动力电池系统存在的电压不一致性故障;相比之下,模型平均计算准确率提高了3.25％,模型平均耗时仅为熵值模型的0.55％;验证了该方法故障单体定位更精准、数据适用性更好及计算速度更快的优点.该研究成果能有效实现动力电池电压不一致性故障诊断,具有较高的工程应用价值.

汽车工程;故障诊断;快速傅里叶变换;电压不一致性;异常系数;大数据

北京理工大学 电动车辆国家工程研究中心,北京 100081;北京理工大学 电动车辆协同创新中心,北京 100081;北京理工大学重庆创新中心,重庆 401120

[1]刘鹏;吴志强;张照生;孙振宇-.基于电压频域特征和异常系数的动力电池故障诊断方法)[J].中国公路学报,2022(08):89-104

电压不一致性,电压一致性

频域特征,异常系数,电池故障,故障诊断方法,动力电池系统,电动汽车,EV,关键部件,主要故障,故障源,快速傅里叶变换,FFT,ACE,热失控,新能源汽车,国家监管,监管平台,运行数据,过电压,数据清洗,数据预处理,时频变换,故障程度,定量评估,检测和定位,异常率,采样间隔,采样点数,误报警,出事,事故车辆,相比之下,模型平均,数据适用性,计算速度,汽车工程

0.26032