基于改進閾值比較法的電動汽車電池故障在線診斷方法

陳如尹 賴松林 楊 志

?

基于改進閾值比較法的電動汽車電池故障在線診斷方法

陳如尹1賴松林1楊 志2

（1. 福州大學物理與信息工程學院，福州 350108； 2. 福建賽智新能源科技有限公司，福州 350025）

電動汽車穩定運行的關鍵在于動力電池高效安全的運行管理，其中對電池故障的在線檢測和診斷是電池管理系統中的重要內容。本文通過對傳統的帶有延遲時間的閾值比較法進行改進，提出了一種可根據電池狀態自適應變參的動力電池故障在線診斷方法。該方法在對動力電池狀態實時監測的基礎上，通過對故障程度的分析實時改變診斷故障用的閾值和延遲時間，可實現對嚴重故障的快速響應和診斷，并能有效濾除參數采樣過程中可能出現的異常脈沖和針尖毛刺數據的影響，提高了對電池故障診斷的及時性和可靠性。在電池充放電過程中模擬各類電池故障的結果表明，本方法可根據故障程度實現對故障響應動作的控制，使動力電池安全故障的診斷更具合理性，可應用于當前實際的電池管理系統之中。

電動汽車動力電池；在線故障診斷；閾值比較；參數可變

隨著電動汽車的日趨普及和發展，針對電動汽車動力電池在充放電工作中的在線監測和故障診斷是保證電動汽車能夠穩定正常運行的關鍵點。當前電動汽車電池管理系統（battery management system, BMS）針對電池故障的在線診斷策略多采用帶有延遲時間的閾值比較法。若監測到的電池參數在延遲時間內均處于故障閾值內，即可判定故障的發生，設定延遲時間是為了在一定程度上規避采樣數據集中個別數據脈沖和針尖毛刺的影響，提高診斷的可靠性。該方法的特點是實現起來較為簡單，運算復雜度低，對于嵌入式設備微控單元（microcontroller unit, MCU）來說便于移植和應用，因此其已得到大多數動力電池管理廠商的重視，功能也經受了檢驗。

在目前多數的嵌入式BMS產品或故障診斷芯片中，故障閾值和延遲時間兩個參數多被設為定值，但具體數值的標定就成為了恒參的閾值比較法所面臨的難題。若延遲時間設置過短，對于一些可容忍的輕微異常檢測太過靈敏，則影響電池工作的穩定性；若延遲時間過長，則可能對于負載短路等參數變化斜率大的故障檢測不及時，影響電池健康。且隨著動力電池循環使用次數的增加，電池的外特性也會隨之發生改變，恒定的故障診斷閾值也可能會在電池老化后出現診斷不及時的情況。

為改進上述傳統故障診斷策略的相關缺陷，本文在對恒參的帶有延遲時間的閾值比較法進行優化的基礎上，設計一套參數自適應的電動汽車電池故障診斷系統。該系統可根據電池的不同狀態和故障程度智能優化故障閾值和延遲時間，并對故障按等級進行了分類，按故障等級進行相應的針對性處理。

1 原理介紹

本系統定位為由微控管理單元控制的嵌入式設備或集成于BMS的嵌入式管理模塊。系統通過前端與動力電池連接的各傳感器采集電壓、電流和溫度等參數，根據設定的數據傳輸協議將采樣值傳輸到后端MCU中進行分析和處理，因此在線故障診斷的策略算法也在MCU中執行，并根據診斷的結果最終控制相關動作模塊來執行后續的故障處理措施。

圖1 帶有延遲時間的閾值比較法故障診斷流程圖

2 電路設計

系統的硬件框圖如圖2所示。

系統的硬件主要由集成了MCU的BMU主機、前端參數采樣單元、用于故障保護的高壓繼電器和用于顯示各參數的顯示屏輔助模塊組成。顯示屏采用24V的直流電源直接供電，BMU主機以及各采樣單元均從動力電池取電。

BMU主機的中央處理器MCU采用飛思卡爾公司的專用于電動汽車動力電池管理系統的微控制器MC9S12G 16位單片機，此款單片機包括2個異步串口通信SCI和1個串行外設接口SPI，同時內部集成了MSCAN模塊，便于實現與各采樣單元的數據交互。

前端參數采樣單元需實現的功能包括對動力電池組總壓、單體電芯和溫度以及工作電流的采樣。其中電芯電壓和溫度采樣通過TI公司的PL455芯片來實現。PL455芯片是一款高度集成式鋰離子電池監控和保護器件，單片最多可以采集16個串聯電池的電壓和8個溫度以及支持其他傳感器的AUX輸入，并通過高速差動通信鏈路提供報告。管腳輸入電壓范圍在-0.3～6V之間，因此可兼容絕大多數品牌的單體電芯。

圖2 系統硬件框圖

同時，通過PL455芯片的數據報告機制，可以定位出故障的電芯位置，便于后續維護人員進行 處理。

采樣選擇的是目前工程上比較常用在動力電池檢測領域AS8510數據采集前端芯片，其可在-40℃～125℃的標準運作溫度范圍內測量電流，誤差僅為5‰。

通信方面分為內部通信和外部通信兩部分，外部通信主要采用CAN總線和485總線兩種通信方式，分別實現對電流采樣單元CSU和外接顯示屏的數據通信。CAN總線是ISO國際標準化的串行通信協議，它是一種多主總線，速率最高可達到1Mbit/s，目前已經被廣泛應用于工業自動化、多種控制設備、交通工具、醫療儀器等眾多環境之中。

而RS-485總線也可適應長距離通信的需求，總線收發器具有高靈敏度，能檢測低至200mV的電壓。因其布線簡單、穩定可靠的特點而被廣泛應用于視頻傳輸等領域之中。

對故障后的保護措施分為警告和切斷動力電池工作回路兩種，系統中采用高壓繼電器來實現對電池工作回路導通和關斷的控制。高壓繼電器由控制系統和被控制系統兩大部分組成，是一種通過小電流去控制較大電流的“自動開關”。它也能夠起到隔離高壓系統和低壓系統的作用。本系統根據MCU的分析運算結果，對高壓繼電器輸出控制信號，以實現對動力電池工作回路的保護控制。

系統在工作過程中，首先由前端參數采樣單元采集電池的工作參數，隨后BMU的MCU基于采集到的參數進行分析和處理，MCU得到相應的運算結果后，對各功能執行器件輸出控制信號，以實現各類功能，顯示屏輔佐用于顯示系統內各模塊運算的結果，便于使用者了解當前動力電池的工作狀態。因此，本文設計的故障診斷策略是在MCU中完成的。

3 在線故障診斷算法優化

3.1 對故障閾值的改進

以電芯過壓故障的診斷為例，隨著動力電池的老化，內阻增加，電池滿充端電壓max_Cell也會隨之下降，所以本文構建max_Cell與max_OP的關系為

同理，每次充電的電流故障閾值通過待充入容量確定。

通過電池狀態對故障閾值進行在線修正，可提高對電池各類故障診斷的及時性和有效性，更好地降低充電過程中過壓或過流等情況對電池的損傷。

3.2 對延遲時間的改進

系統通過加入相關反饋控制模塊來實現檢測延時的自適應改變，由于各類故障診斷策略的區別只是在于相關閾值的設定，所以本節仍以電壓故障診斷為例，其Simulink上的仿真模型如圖3所示。

圖3 電壓故障檢測仿真模型

在Simulink中所改進的算法進行模擬仿真，由于在實際應用中電池的工作參數通常不會產生過大的階躍突變，因此在仿真中選擇采用峰值不同正弦波形來模擬采集到的參數，并設定電芯電壓的故障閾值為4.25V，仿真結果如圖4所示。

（a）模擬輸入的電壓數據與故障閾值的關系圖

（b）Switch_add模塊輸出計數結果圖

（c）診斷結果信號圖

減小模擬的輸入數據的峰值為4.5V，模型輸出結果如圖5所示，與圖4對比可得，當輸入數據與故障閾值的Cell_Vol減小時，所需故障診斷的時間也相應增長，約為0.8s。

（a）

（b）

（c）

通過Simulink仿真證明了該改進后的閾值比較法在檢測故障過程中可根據不同程度的故障針對性地調整診斷時間，同時也能有效濾除一些瞬時的采樣波動，有助于診斷的準確性。在實際系統中須將其轉換為嵌入式程序語言，以供嵌入式設備執行。

3.3 故障等級的判定

圖6為故障等級判定的仿真模型。

模型中通過設定不同的故障閾值，將每類故障劃分為兩個等級，分別對應的警告和回路保護兩種處理措施。其中警告的故障閾值較低，通?？稍O定在電池極限承受值的95%左右。這也是為了提前警示駕駛員電池可能出現的安全故障，使其在可能的情況下先采取一定的人工措施來防止故障產生。因此系統中設定警告等級處理措施為信息報警，或指示燈閃爍即可。

保護等級的安全閾值在極限承受值的100%左右，若用戶在收到警告后未能有效地降低該類故障的參數指標，則系統會進一步采取相應的保護措施來實現對故障的處理。本系統中所采取的保護措施為通過控制串接在動力電池工作回路上的高壓繼電器，來強行切斷電源與負載之間的工作回路，以實現對動力電池和負載的保護。

圖6 故障等級判定仿真模型

4 實驗測試結果

實驗中采用的電芯松下NCR18650B-H00HA，單體滿充電壓4.25V，額定充電電流為1.62A，由于受限于環境和安全等因素，而PL455芯片又需滿足采樣的串聯電芯數目最少為6串，因此實驗中選擇3并6串的電芯連接方式來模擬一個實際的電池組。對電池工作環境的模擬選用的是新科華公司的MTL-T系列電池充放電機，通過對其內部微控制器的設置可實時改變電池的充放電工作過程中的相關參數，以此來檢驗不同工況下系統的響應。實驗中硬件連接如圖7所示。

圖7 實驗硬件連接圖

實驗中采用對外通信的CAN總線以100ms為周期將系統運行過程中代表各類故障判定結果的信號mask和用于確定該類故障診斷參數的偏差程度輸出，在PC端通過CANTest軟件來實時接收這些運載著實驗數據的報文，并通過數據處理，將系統進行故障檢測的結果通過圖表的形式表示出來。圖8表示系統對單體電芯過壓故障mask的檢測情況。

（a）電芯過壓0.1V診斷圖

（b）電芯過壓0.2V診斷圖

（c）電芯過壓0.3V診斷圖

（d）電芯過壓0.4V診斷圖

圖8 不同過壓差下單體電芯過壓故障mask的檢測情況

由圖8中可見，當電芯電壓過壓0.1V時，系統需要花費大概4.7s的時間確診過壓故障的產生；當過壓程度達到0.2V時，這一時間縮短到大約2.2s；而對于過壓程度更高的0.3V或甚至達到0.4V時，所需檢測的時間更加短暫。此結果表明系統能根據不同的故障程度，智能化調整檢測花費的時間，以實現對程度嚴重的故障加速處理。一方面盡可能減小大故障對動力電池帶來的損傷，另一方面也對一些細微的異常檢測地更加苛刻，保證系統正常穩定的運行。

5 結論

本文對傳統BMS系統中所采用的閾值比較法故障診斷策略進行改進，設計了一種可根據電池狀態自適應的電動汽車電池故障在線診斷方法。其可根據電池的故障程度，智能化地優化所需的故障閾值和診斷延遲時間，達到對嚴重故障快速響應、輕微故障慢響應的目的，并能有效濾除采樣和數據傳輸過程中一些脈沖信號，針尖毛刺的干擾。在保證了動力電池持續穩定運行的前提下，能夠及時有效地規避異常故障所帶來的損傷和危害。但本方法目前所采用的影響檢測時長的因素還較為基礎和單一，在之后的深入研究中還可增加更多的控制變量，以增強控制的科學性和有效性。

[1] 張劍波, 盧蘭光, 李哲. 車用動力電池系統的關鍵技術與學科前沿[J]. 汽車安全與節能學報, 2012, 3(2): 87-104.

[2] 劉文珍, 金鵬. 電池管理系統故障自診斷的系統研究[J]. 電氣技術, 2012, 13(4): 26-29.

[3] Puviwatnangkurn W, Tanboonjit B. Overcurrent protection scheme of BMS for li-ion battery used in electric bicycles[C]//10th International Conference on Telecommunications and Information Technology, 2013: 1-5.

[4] 秦大同, 黃晶瑩, 劉永剛, 等. 電動汽車電池溫度加權PID控制[J]. 交通運輸工程學報, 2016(1): 73-79.

[5] 張治國, 孔慶, 崔納新. 電動汽車電池組監測系統的設計[J]. 電源技術, 2011(10): 1224-1226.

[6] 袁學慶, 趙林, 劉利, 等. 動力鋰電池組及管理系統的故障診斷[J]. 工業控制計算機, 2014(8): 147-148.

[7] 孫紅, 田沛. 基于模糊PI控制的蓄電池智能充電控制系統研究[J]. 蓄電池, 2015(1): 14-17.

[8] Gadsden S A, Habibi S R. Model-based fault detection of a battery system in a hybrid electric vehicle[C]// Vehicle Power and Propulsion Conference, 2011: 1-6.

[9] 古昂, 張向文. 基于RBF神經網絡的動力電池故障診斷系統研究[J]. 電源技術, 2016, 40(10): 1943- 1945.

[10] 檀斐. 車用動力鋰離子電池系統故障診斷研究與實現[D]. 北京: 北京理工大學, 2015.

[11] 許寶立, 齊鉑金, 鄭敏信, 等. 電動汽車動力電池故障診斷系統設計[C]//國際節能與新能源汽車創新發展論壇, 2011.

On-board diagnosis approach for battery of electric vehicle based on improved threshold comparison method

Chen Ruyin1Lai Songlin1Yang Zhi2

(1. College of Physics and Information Engineering, Fuzhou University, Fuzhou 350108; 2. Beyond Intelligence Corporatin, Fuzhou 350025)

In order to ensure efficient and safe operation of electric vehicle battery, on-board detection and diagnosis of battery faults has become one of significant parts of the BMS. In this paper, an on-board diagnosis approach based on the battery state is proposed by improving the traditional threshold comparison method. Through the real-time monitoring of power battery status, the threshold of faults and delay time can be adjusted according to the analysis of the fault degree by this approach. It can realize that response and diagnose to serious faults rapidly. And the influence of abnormal pulse and needle burr data which may occur during parameter sampling can be filtered effectively. Through the charge and discharge process test, the result shows that the response can be controlled according to the degree of fault and the rationality of on-board diagnosis is improved by this approach, which can be applied to the actual BMS.

power battery of electric vehicle; on-board diagnosis; threshold comparison; variable parameters

2018-05-15

陳如尹（1992-），男，福建省南平市建陽區人，碩士研究生，主要從事電動汽車動力電池嵌入式管理系統方面研究工作。