一种带有电子鼻气味功能的新能源汽车电池监控系统的制作方法

本发明涉及电池监测，具体为一种带有电子鼻气味功能的新能源汽车电池监控系统。

背景技术：

1、随着电动汽车的种类不同而略有差异，在仅装备蓄电池的纯电动汽车中，蓄电池的作用是汽车驱动系统的唯一动力源，而在装备传统发动机与蓄电池的混合动力汽车中，蓄电池既可扮演汽车驱动系统主要动力源的角色，也可充当辅助动力源的角色，可见在低速和启动时，蓄电池扮演的是汽车驱动系统主要动力源的角色；在全负荷加速时，充当的是辅助动力源的角色；在正常行驶或减速、制动时充当的是储存能量的角色。

2、但是在现有技术中，随着大众对新能源汽车安全问题的关注，对于新能源电池的安全监控成为目前主要关注的发展发现，例如中国专利公开了一种带有电子鼻气味功能的新能源汽车电池监控系统，申请号为cn114993386a，包括电池监控系统，所述电池监控系统包括气味监控系统、电池温度系统、联动装置、数据平台、电子鼻嗅觉芯片、预警装置和通知模块，所述电子鼻嗅觉芯片的输出端与预警装置的输入端电连接；本发明，通过设置有电子鼻嗅觉芯片、数据平台、联动装置和预警装置，管理员通过对电池间的气味监控实时掌握电池使用过程中的健康状况，同时通过通知模块中的app模块、短信模块或邮件模块发送短信或邮件通知管理员，当电池的温度达到高温预警装置设定的数值时，直接开启联动装置切断电源并通知相关人员停止驾驶并检修，保障了人员的安全。

3、然而传统的新能源电池监控系统一般采用温度监控，但检测到温度变化时大多时候已无法避免电池受损，而少有的在气味监测方面进行监控的，如上述技术方案中，采用电子鼻嗅觉芯片，对电池产生的气味变化进行监测，但是由于电池周围环境中的异味和噪音的适应性有限，对于不同工作环境中存在的各种异味和噪音源缺乏精准的识别和去除机制，会导致系统对电池气味信号的准确性受到影响，容易误判或漏判异常情况，因此亟需一种高精准度的带有电子鼻气味功能的新能源汽车电池监控系统来解决此类问题。

技术实现思路

1、（一）解决的技术问题

2、针对现有技术的不足，本发明提供了一种带有电子鼻气味功能的新能源汽车电池监控系统，解决现有技术中存在的对于不同工作环境中存在的各种异味和噪音源缺乏精准的识别和去除机制的问题。

3、（二）技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现，本发明提供了一种带有电子鼻气味功能的新能源汽车电池监控系统，包括：

5、电子鼻气味检测模块，所述电子鼻气味检测模块包括：

6、高灵敏度气味传感器单元，所述高灵敏度气味传感器单元内置气体取样器、电化学传感器、气体传感器以及信号处理器，气体取样器用于实时捕获电池所处空间的气味，采用电化学传感器、气体传感器分析捕获的气味，再由信号处理器进行气味电信号处理，将气味变化以电信号方式传输至数据处理分析模块；

7、噪音干扰去除单元，用于识别并去除周围环境中的异味和噪音；

8、温度监测控制模块，所述温度监测控制模块包括：

9、高精度温度传感器单元，用于实时监测电池温度，所述高精度温度传感器单元集成高精度温度传感器，并实时监测电池温度；

10、智能温度控制单元，根据温度监测结果实时调整电池工作状态，对温度进行控制；

11、数据处理分析模块，所述数据处理分析模块包括：

12、实时气味识别分析单元，用于分析传感器获取的气味数据，识别异常气味，使用深度学习算法，训练模型识别电池漏液和温度过高引起的异常气味；

13、环境适应性算法单元，用于调整算法以适应不同环境条件，采用环境适应性算法增加系统对复杂环境的适应性；

14、控制与反馈模块，所述控制反馈模块包括：

15、智能控制单元，根据监测结果实时调整电池工作参数，包括停止充电和警报。

16、本发明进一步地设置为：所述噪音干扰去除单元去噪步骤具体包括：

17、从处理后的气味数据和噪音数据中提取频谱特征；

18、采用降噪算法构建噪音模型，并进行学习训练，对环境噪音进行区分；

19、采用噪音模型对原始数据进行去噪处理；

20、采用自适应滤波器动态适应不同环境的特点；

21、本发明进一步地设置为：所述噪音干扰去除单元中，构建噪音模型步骤具体包括：

22、将采集到的噪音数据和气味数据进行预处理，包括滤波、降采样；

23、将处理后的噪音数据和气味数据分别形成数据矩阵x，设表示第i个时间点第j个传感器的测量结果；

24、对数据矩阵进行中心化，减去各列的均值消除偏移，具体的：

25、，

26、其中表示第j列的均值，即第j个传感器在所有时间点的平均测量值；

27、本发明进一步地设置为：所述噪音干扰去除单元中，构建噪音模型步骤还包括：

28、计算中心化后的数据矩阵的协方差矩阵；

29、，

30、其中c为协方差矩阵，t表示数据矩阵x的转置，n1用于自由度修正；

31、对协方差矩阵进行特征值分解，得到特征值和特征向量：，其中表示特征值，v表示特征向量，c为协方差矩阵；

32、本发明进一步地设置为：所述噪音干扰去除单元中，构建噪音模型步骤还包括：

33、选择特征值较大的前k个特征向量，特征向量对应数据中的主要变化方向；

34、将选取的主成分构成一个噪音模型，表示环境中的主要噪音方向；

35、，其中表示k个向量特征，n表示噪声模型矩阵；

36、采用所构建噪音模型对气味数据进行学习训练，使系统识别气味信号中的噪音成分；

37、利用学习到的噪音模型对原始气味数据进行去噪处理，将噪音成分从数据中分离；

38、，

39、其中，表示去噪后的气味数据，为噪音模型，表示噪音模型的转置；

40、本发明进一步地设置为：所述温度监测控制模块中，进行电池温度实时监测步骤包括：

41、步骤1.使用高精度温度传感器单元采集电池温度数据，获取实时温度测量值；

42、步骤2.对采集到的温度数据进行预处理，采用pid比例积分微分控制算法根据误差调整控制输出，具体的：

43、，

44、其中即控制输出，表示根据当前误差调整的控制变量，e(t)为当前误差，即实际温度与目标温度之差，表示误差变化率，表示比例系数，用于调整输出与误差的比例关系，为积分系数，用于调整输出对误差的积分关系，为微分系数，用于调整输出对误差变化率的关系，dt表示微小增量，表示积分时间，表示在时刻的误差；

45、步骤3.设置电池的目标温度，作为控制系统参考；

46、步骤4.根据pid控制算法的输出，实时调整电池工作状态；

47、本发明进一步地设置为：所述数据处理分析模块中，深度学习模型训练方法包括：

48、设模型输入为x，即气味数据的输入矩阵，维度为(m，n)，m是样本数，n是每个样本的特征数；

49、设模型的预测输出矩阵为，表示为概率，维度为(m，1)、模型权重矩阵为w，维度为(n，1)、偏差为b；

50、选用sigmoid和softmax激活函数，将模型输出经过阈值处理得到二分类的预测结果：

51、，其中预测结果分别为当大于预设阈值时和小于等于预设阈值时；

52、本发明进一步地设置为：所述数据处理分析模块中，深度学习模型训练方法还包括：

53、采用交叉熵损失函数进行问题分类：

54、，

55、其中表示损失函数，w表示权重矩阵，b表示偏差，m表示样本数，i表示样本索引，表示第i个样本的实际标签，则是对第i个样本的预测；

56、根据损失函数对模型参数进行梯度下降的更新：

57、；

58、；

59、其中表示学习率，表示损失函数j对权重w的偏导数；表示损失函数j对权重b的偏导数；

60、本发明进一步地设置为：所述数据处理分析模块中，深度学习模型训练方法还包括：

61、进行梯度计算，权重w的梯度：

62、；

63、偏差b的梯度：

64、；

65、其中m表示样本数，i表示样本索引，表示第i个样本的实际标签，则是对第i个样本的预测。

66、（三）有益效果

67、本发明提供了一种带有电子鼻气味功能的新能源汽车电池监控系统。具备以下有益效果：

68、本技术所提供的带有电子鼻气味功能的新能源汽车电池监控系统，包括电子鼻气味检测模块、温度监测控制模块、数据处理分析模块以及控制与反馈模块，采用高灵敏度气味传感器单元，通过电化学传感器和气体传感器对电池所处空间的气味进行实时捕获，能够更准确地感知电池的气味变化，并通过信号处理器将气味变化以电信号方式传输至数据处理分析模块，噪音干扰去除单元通过频谱特征提取、降噪算法构建噪音模型，有效去除周围环境中的异味和噪音，提高气味监测结果的准确性，温度监测控制模块中，采用高精度温度传感器单元实时监测电池温度，通过智能温度控制单元根据监测结果调整电池工作状态，防止电池过热，保证新能源电池的安全运行，温度监测控制模块中的pid控制算法可以实时的调整控制输出，使电池能够在目标温度附近稳定运行，提高电池的寿命和性能。

69、数据处理分析模块中通过实时气味识别分析单元，利用深度学习算法训练模型，识别电池漏液和温度过高引起的异常气味，使系统不仅能够监测气味的变化，还能够分析和识别潜在的问题，提前采取措施，有效防范潜在的安全隐患，此外智能控制单元能够根据监测结果实时调整电池工作参数，包括停止充电和警报，最大程度地保障了电池和汽车系统安全，能够更好地应对复杂的环境条件，提高了监测的准确性和可靠性。

70、解决了现有技术中存在的对于不同工作环境中存在的各种异味和噪音源缺乏精准的识别和去除机制的问题。