一种锂动力电池系统故障诊断装置的制作方法

本实用新型涉及一种基于模糊贝叶斯网络的锂动力电池系统的故障诊断装置，属于蓄电池的故障诊断领域。

背景技术：

在锂动力电池系统故障诊断技术方面，有基于信号处理、基于电池模型、和智能诊断几种方法，其中智能诊断方法中又以神经网络、模糊数学、专家系统为代表。由于锂动力电池系统是一种实时变化的非线性系统，系统性能受到多种参数变化的影响，电池故障的复杂性和不确定性，最早期的基于信号处理和模型的诊断方法复杂且故障诊断单一，而智能诊断中应用单一技术的效果达不到预期，集合多种诊断方法成为未来诊断技术的核心。神经网络是一种处理多输入非线性实变系统的重要工具，但神经网络方法的学习正确与否取决于样本的大小, 复杂系统一般不能满足神经网络对于训练样本的需求量；专家系统主要用于那些没有精确数学模型或很难建立数学模型的复杂系统，其应用依赖于专家领域知识的获取。而知识获取被公认为专家系统研发中的“瓶颈”问题；另外，在自适应能力、学习能力及实时性方面也都存在不同程度的局限。

基于模糊贝叶斯网络的故障诊断方法，模糊逻辑具有很强的结构性表达能力，可以将采集到的数据转化为模糊规则下的故障征兆的隶属度形式，简化诊断规则，适用于电池这种非线性复杂系统；贝叶斯网络可在不完备数据集情况下实现对系统故障完整的概率描述, 既解决了传统概率中的数据获取困难等棘手问题, 又不牺牲其完整性。二者结合有效的解决了电池故障的复杂性和不确定性。本实用新型采用了一种锂动力电池系统的故障诊断装置，实现了锂动力电池系统故障的快速诊断。

技术实现要素：

本实用新型所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于模糊贝叶斯网络的锂动力电池系统的故障诊断装置。

本实用新型所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置，包括控制器（1）、电压检测单元（2）、电流检测单元（3）、内阻检测单元（4）、温度检测单元（5）、LCD显示单元（6）、数据通讯单元（7）、存储单元（8）、电源单元（9）；

本实用新型所涉及的电压检测单元（2）、电流检测单元（3）、内阻检测单元（4）、温度检测单元（5），其特征在于采用AD7606转换芯片，将监测到锂动力电池系统的外部特性参数数据发送到控制器（1）；

本实用新型所涉及的控制器（1），其特征在于：将外部特性参数模糊化处理，确定是否有故障征兆出现，计算其隶属度，确定故障严重程度；

本实用新型所涉及的控制器（1），其特征在于：故障征兆确定之后采用Leaky Noisy OR模型计算故障原因概率，其中包括未知因素对锂动力电池系统的影响，概率最大判定为故障原因；

本实用新型所涉及的存储单元（8），其特征在于：用于存储外部特性参数、故障原因概率和未知因素概率等数据；

本实用新型所涉及的LCD显示单元（6），其特征在于：显示锂动力电池系统外部特性参数及故障信息；

本实用新型所涉及的数据通讯单元（7），其特征在于：将诊断结果和外部特性参数通过数据通讯单元（7）传输给上位机或电动车整车控制器，诊断过程结束。

本实用新型的优点：本实用新型采用模糊理论和贝叶斯网络技术相结合，降低数据需求量和计算复杂度，应用此模型构造的贝叶斯网络所需要的条件概率个数由2ⁿ降低到2n，在锂动力电池系统等系统故障节点较多的情况下大大减少条件概率需求量。本实用新型具有样本需求量小、诊断时间少、故障诊断准确度高等特点，可为锂动力电池系统的故障诊断提供准确的支持。

附图说明

图1是本实用新型所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置结构框图。

图2是本实用新型所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置电流检测单元和电压检测单元电路图。

图3是本实用新型所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置内阻检测单元电路图。

图4是本实用新型所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置数据通讯单元和存储单元电路图。

图5是本实用新型所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置诊断方法结构图。

图6是本实用新型所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置仿真结果对比表

具体实施方式

具体实施方式一：下面结合图1说明本实施方式，本实施方式所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置，它包括控制器（1）、电压检测单元（2）、电流检测单元（3）、内阻检测单元（4）、温度检测单元（5）、LCD显示单元（6）、数据通讯单元（7）、存储单元（8）、电源单元（9）；

电压检测单元（2）差分放大法检测锂动力电池系统电压U0和各单体电池电压u0～u7；

电流检测单元（3）采用霍尔传感器检测锂动力电池系统电流I0和各单体电池电流i0～i7；

内阻检测单元（4）采用交流注入法检测锂动力电池系统内阻R0和各单体电池内阻r0～r7；

温度检测单元（5）采用 DS18B20温度传感器检测锂动力电池系统温度T0和各单体电池温度t0～t7；

LCD显示单元（6）采用12864LCD液晶显示模块显示锂动力电池系统外部特性参数及故障信息；

数据通讯单元（7）采用RS-485串口上位机通讯方式；

存储单元（8）采用AT24C64型存储模块存储采集到的数据和控制器（1）诊断后的故障信息；

电源单元（9）采用MW12V直流开关电源为控制器提供工作电源+12V。

结合图2本实用新型所述电压检测单元（2）为差分检测单元，将电池两端采集到的电势通过运算放大器LF412和仪表放大器AD620进行差分放大运算；电流检测单元（3）通过霍尔电流传感器检测电池电流，通过放大器将电流值进行放大；

结合图3本实用新型所述内阻检测单元（4）为交流注入法测量电路，通过恒流源电路中正弦波发生芯片ICL8038产生的1KHz恒定电流IOUT注入到锂动力电池系统两端，同时将电流注入到高精度取样电阻作为参考值，通过锁相放大器AD630将锂动力电池系统两端电压信号和采样电路信号比较得到电池内阻所对应电压值，经过AD7606转换芯片将电压信号转换为数字信号；

结合图4本实用新型所述数据通讯单元（7）为RS-485串口通讯模块，采用MAX485与上位机通讯；存储单元（8）为AT24C64型存储模块。

结合图5本实施方式所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置诊断步骤如下：

一、将锂动力电池系统和诊断装置相连接，电压检测单元（2）、电流检测单元（3）、内阻检测单元（4）、温度检测单元（5）分别检测锂动力电池系统中各单体电池电压u0～u0、各单体电池电流i0～i7、各单体电池内阻r0～r7、各单体电池温度t0～t7和锂动力电池系统的电压U0、电流I0、内阻R0、温度T0等外部特性参数；

二、该诊断结构分为三部分，输入信号模糊化模块、贝叶斯推理模块、输出去模糊化模块。外部特性参数经AD7606转换为数字信号发送给控制器（1），经模糊化处理后得到锂动力电池系统故障征兆隶属度及严重程度F(t)knt，采用Leaky Noisy OR模型，将故障征兆的隶属度F(t)knt作为贝叶斯网络的子节点Yi，取故障原因节点Xi作为故障征兆的父节点，并引入XL作为未知因素节点，此时根据历史数据记录和专家领域知识确定其先验概率P(Xi)和条件概率P(Yj|Xi)和PL，再经过计算得到锂动力电池系统故障原因概率P(Xi=F only|Y)和未知因素概率P(XL=F|Y)；

三、外部特性参数(U0、I0、R0、T0)、故障原因概率P(Xi=F only|Y)和未知因素概率P(XL=F|Y)数据在存储单元（8）中存储后

四、外部特性参数(U0 I0 T0)、故障原因概率P(Xi=F only|Y)和未知因素概率P(XL=F|Y)在LCD显示单元（6）中显示锂动力电池系统外部特性参数及故障信息；

五、故障原因概率P(Xi=F only|Y)和未知因素概率P(XL=F|Y)作为诊断结果通过数据通讯单元（7）传输给上位机或电动车整车控制器，诊断过程结束。

结合图6本实施方式所述基于模糊贝叶斯网络的锂动力电池系统故障诊断装置诊断结果和其他方法仿真结果对比图。分别将同一故障征兆用不同贝叶斯网络诊断，包括朴素贝叶斯网络、Noisy OR模型、Leaky Noisy OR模型，得到仿真结果对比表。其中朴素贝叶斯网络需要计算8个条件概率，在仿真建模时则需要16个条件概率来建立精准的模型，Noisy OR模型和Leaky Noisy OR模型均只需要确定6个条件概率，Noisy OR模型计算的结果和普通贝叶斯网络模型仿真出来的结果存在的差别在可接受的范围之内，误差在3%以内，但本实用新型采用Leaky Noisy OR模型考虑了未知因素XL对系统的影响，更符合实际情况。