一种电池故障诊断方法与系统与流程

本发明属于电池故障诊断，更具体地说，是涉及一种电池故障诊断方法。

背景技术：

1、随着电池技术的发展和广泛应用，电池故障诊断变得越来越重要。电池故障可能导致电池性能下降、容量损失、充电速度减慢甚至电池失效。因此，开发一种高效准确的电池故障诊断方法对于提高电池的可靠性和使用寿命至关重要。

2、目前，已经有一些电池故障诊断方法被提出和应用。其中一种常见的方法是基于电池内部参数的监测和分析。通过测量电池的电压、电流、温度等参数，结合电池的充放电过程，可以对电池的健康状况进行评估。但是，这种方法存在着参数测量误差和数据处理复杂的问题，导致诊断结果的准确性和可靠性有待提高。

3、另一种常见的方法是基于电池外部特征的监测和分析。通过观察电池的外部特征如外壳温度、电池外观变化等，结合电池使用过程中的异常现象，可以初步判断电池是否存在故障。然而，这种方法只能提供粗略的故障诊断结果。

技术实现思路

1、为解决上述问题，本发明的目的在于提供一种电池故障诊断方法与系统。

2、为实现上述目的，本发明采用的技术方案是：

3、一种电池故障诊断方法，包括以下步骤：

4、步骤1：获取不同故障类型下电池的红外图像；

5、步骤2：对所述红外图像进行图像增强处理得到增强后的红外图像；

6、步骤3：提取出所述增强后的红外图像上电池所对应的轮廓图像；

7、步骤4：根据电池的轮廓图像得到电池的轮廓特征；

8、步骤5：使用电池的轮廓特征、电池的工作电流及其工作电压作为训练样本，并将所述训练样本输入到神经网络模型中进行训练得到电池故障诊断模型；

9、步骤6：使用所述电池故障诊断模型对目标电池的故障类型进行检测。

10、优选的，所述步骤2：对所述红外图像进行图像增强处理得到增强后的红外图像，包括：

11、步骤2.1：对所述红外图像进行灰度化得到灰度图像；

12、步骤2.2：获取灰度图像上各个像素点的灰度值；

13、步骤2.3：根据所述各个像素点的灰度值构建模糊空间转换函数；

14、步骤2.4：依据所述模糊空间转换函数将所述灰度图像转换到模糊空间；

15、步骤2.5：在模糊空间中对所述灰度图像进行图像增强得到增强后的红外图像。

16、优选的，所述步骤2.3：根据所述各个像素点的灰度值构建模糊空间转换函数，包括：

17、采用公式：

18、

19、构建模糊空间转换函数；其中，xm,n表示灰度图像在(m,n)位置处的灰度值，xmax表示灰度图像上最大的灰度值，xmin表示灰度图像上最小的灰度值，d表示预设系数。

20、优选的，所述步骤2.5：在模糊空间中对所述灰度图像进行图像增强得到增强后的红外图像，包括：

21、步骤2.5.1：利用增强函数在模糊空间中对所述灰度图像进行图像增强得到每个像素点的增强值；其中，增强函数为：

22、

23、步骤2.5.2：对每个像素点的增强值进行反模糊空间转换得到增强后的红外图像。

24、优选的，所述步骤2.5.2：对每个像素点的增强值进行反模糊空间转换得到增强后的红外图像，包括：

25、采用公式：

26、

27、对每个像素点的增强值进行反模糊空间转换得到增强后的红外图像；其中，fe表示增强后的红外图像在(m,n)位置处的灰度值。

28、优选的，所述步骤3：提取出所述增强后的红外图像上电池所对应的轮廓图像，包括：

29、步骤3.1：计算增强后红外图像中每个像素点的梯度模值；其中，像素点的梯度模值的计算公式为：

30、

31、其中，fx(xi,yj)表示增强后红外图像在x方向上的梯度值，fy(xi,yj)表示增强后红外图像在y方向上的梯度值，f(xi,yj)表示增强后红外图像在(xi,yj)位置处的灰度值，r表示梯度模值；

32、步骤3.2：将梯度模值在预设范围所对应的像素点作为边缘轮廓点；

33、步骤3.3：提取出所有的边缘轮廓点，形成轮廓图像。

34、优选的，所述步骤4：根据电池的轮廓图像得到电池的轮廓特征，包括：

35、采用公式：

36、

37、确定相应轮廓图像的轮廓特征；其中，表示图像的轮廓特征，w表示轮廓图像的最大宽度，h表示轮廓图像的最大高度。

38、本发明还提供了一种电池故障诊断系统，包括：

39、图像获取模块，用于获取不同故障类型下电池的红外图像；

40、图像增强模块，用于对所述红外图像进行图像增强处理得到增强后的红外图像；

41、轮廓图像提取模块，用于提取出所述增强后的红外图像上电池所对应的轮廓图像；

42、轮廓特征提取模块，用于根据电池的轮廓图像得到电池的轮廓特征；

43、训练模块，用于使用电池的轮廓特征、电池的工作电流及其工作电压作为训练样本，并将所述训练样本输入到神经网络模型中进行训练得到电池故障诊断模型；

44、故障诊断模块，用于使用所述电池故障诊断模型对目标电池的故障类型进行检测。

45、本发明还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现上述的一种电池故障诊断方法中的步骤。

46、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的一种电池故障诊断方法中的步骤。

47、本发明提供的一种电池故障诊断方法的有益效果在于：与现有技术相比，本发明通过将电池的轮廓特征、电池的工作电流及其工作电压作为训练样本，并基于此进行训练得到电池故障诊断模型，可以更好地反应出电池的使用状态，提高预测模型的准确性和可靠性。

技术特征：

1.一种电池故障诊断方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种电池故障诊断方法，其特征在于，所述步骤2：对所述红外图像进行图像增强处理得到增强后的红外图像，包括：

3.如权利要求2所述的一种电池故障诊断方法，其特征在于，所述步骤2.3：根据所述各个像素点的灰度值构建模糊空间转换函数，包括：

4.如权利要求3所述的一种电池故障诊断方法，其特征在于，所述步骤2.5：在模糊空间中对所述灰度图像进行图像增强得到增强后的红外图像，包括：

5.如权利要求4所述的一种电池故障诊断方法，其特征在于，所述步骤2.5.2：对每个像素点的增强值进行反模糊空间转换得到增强后的红外图像，包括：

6.如权利要求5所述的一种电池故障诊断方法，其特征在于，所述步骤3：提取出所述增强后的红外图像上电池所对应的轮廓图像，包括：

7.如权利要求6所述的一种电池故障诊断方法，其特征在于，所述步骤4：根据电池的轮廓图像得到电池的轮廓特征，包括：

8.一种电池故障诊断系统，其特征在于，包括：

9.一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的一种电池故障诊断方法中的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的一种电池故障诊断方法中的步骤。

技术总结
本发明提供了一种电池故障诊断方法与系统，包括：获取不同故障类型下电池的红外图像；对所述红外图像进行图像增强处理得到增强后的红外图像；提取出所述增强后的红外图像上电池所对应的轮廓图像；根据电池的轮廓图像得到电池的轮廓特征；使用电池的轮廓特征、电池的工作电流及其工作电压作为训练样本，并将所述训练样本输入到神经网络模型中进行训练得到电池故障诊断模型；使用所述电池故障诊断模型对目标电池的故障类型进行检测。本发明通过将电池的轮廓特征、电池的工作电流及其工作电压作为训练样本，并基于此进行训练得到电池故障诊断模型，可以更好地反应出电池的使用状态，提高预测模型的准确性和可靠性。

技术研发人员：郝全田,张仲
受保护的技术使用者：郝全田
技术研发日：
技术公布日：2024/4/29