電動汽車動力電池故障診斷綜述

趙士博 申彩英 郭增江

摘 要：電動汽車必定是未來發展的方向，針對電動汽車動力電池故障診斷的發展和國內外研究現狀，文章進行綜述。首先介紹電動汽車動力電池故障診斷的意義，對電池故障診斷的國內外研究現狀概括并進行說明。并對電池故障診斷系統提出一些存在的問題，并展望未來電池故障診斷系統的發展趨勢。

關鍵詞：動力電池;故障診斷;發展趨勢

0 前言

世界工業快速發展造成了能源短缺和環境污染問題，汽車工業的主要發展方向開始從傳統汽車轉向新能源汽車，電動汽車是新能源汽車中的主力。動力電池作為電動汽車中重要的能源存儲裝置，在電動汽車的使用過程中發揮著重要的作用。鋰離子動力電池是目前應用最廣泛的電動汽車動力電池。鋰離子動力電池可以視作為一個復雜的電化學系統，工作原理、失效機理均極其復雜，如溫度、放電倍率、放電深度等因素都會對鋰離子動力電池的穩定工作造成影響。鋰離子動力電池存在的安全性、耐久性問題會導致電池性能下降，發生損壞。這些故障導致電動汽車無法正常行駛，甚至造成巨大的經濟損失和人員傷亡，嚴重影響了電動汽車的發展。鋰離子動力電池故障診斷研究刻不容緩。

1 國內外現狀

國外對故障診斷技術已經進行了深入的研究，一些科研成果已經達到了廣泛應用的階段。從社會的交通運營安全、節能減排、環境保護、降低運輸使用成本等方面帶來了非常明顯的社會效益和經濟效益。

1.1 國外研究現狀

美國通用開發的應用于電動汽車上的電池管理系統和Aerovironmevt公司研究開發Smart Guard系統在美國電池管理系統方面的研究上極具有代表性。其中電動汽車的電池管理系統對電池的電流和電壓進行監測，具有高壓保護及過放電報警等功能;Smart Guard系統能夠記錄電池歷史數據并進行歸檔，可檢測是否有過充行為，并提供狀態最差單體電池的相關信息。

德國研發的BADICOACH系統對近期放電周期內電池詳細數據進行儲存，可在對電池性能作出判斷時快速查找錯誤使用情況。BATTMAN系統的獨特之處在于其包含了不同型號的電池組，依據共同模塊及差異模塊管理思想，通過相關軟硬件的改進措施達到對不同型號動力電池組進行管理的目的。

日本豐田開發的混合電動汽車電池管理系統普銳斯電池管理系統，對包括溫度、電壓和電流在內的各種電池相關參數進行監測，一旦發現某個參數超出預期水平，系統就會自動生成相應的故障代碼。

1.2 國內研究現狀

國內故障診斷技術雖然起步較晚，但相關企業、高校及科研機構都投入了較大的精力。清華大學的齊國光教授帶領他的團隊在電動汽車的故障診斷方面進行了研巧，取得了一定的進步，提出了一系列應用在電動汽車上的故障診斷方法。奇瑞汽車有限公司開發了基于GPRS無線通信網絡的電動車遠程實時監控系統。惠州億能公司與北交合作在電池管理系統的結構和功能方面進行了改進及優化。其研發的電池管理系統設計了在線故障診斷和定位的功能，通過便攜式故障診斷儀和數據存儲儀，能有效分析故障類型及故障位置。

2 電池故障診斷系統

電池故障的發生受許多因素的影響，電池中表現出來的故障癥狀與故障原因之間有著不確定性和模糊性。動力電池一些明顯的故障比較容易診斷，比如過壓、過充等故障，但也存在一些不明顯的故障，如電池容量變小、電池內阻大等，無法通過實時采集的電池數據進行診斷。針對電池故障原因的不確定性、模糊邏輯和神經網絡的綜合優勢，提出一種基于模糊神經網絡的電池故障診斷系統。利用MATLAB搭建電池故障模型進行故障模擬，然后在不同故障癥狀下進行充放電得到電池數據。根據數據計算隸屬度，根據故障癥狀與故障原因建立模糊規則庫，確定訓練樣本和測試樣本。

用MATLAB構建BP神經網絡模型并進行訓練，所設計的故障診斷系統進行仿真試驗，用0.8 0.7 0 0.2 0.1 0.1這組數據作為測試樣本，得到結果0.9927-0.0028 ?0.0032，仿真結果如圖所示。

診斷結果圖橫坐標分別為容量變小，內阻過大，充電不足，可以知道測試電池的故障時容量變小且非常嚴重。該系統能夠正確診斷電池故障的原因，并給出各種電池故障的嚴重程度，因此該系統可應用于對電池管理系統中的電池故障原因進行準確診斷分析和報警，提高電池使用的安全性。

3 總結

本文結合模糊邏輯和BP神經網絡設計動力電池故障診斷系統。診斷系統能準確診斷出電池的幾種故障并給出故障嚴重程度，當電池出現多故障時也能準確診斷出故障原因。該故障診斷系統還有很多不足，需要大量數據進行訓練、實際操作不易、需要根據電池的歷史數據來進行判斷故障等等，以后可以在這些方面進行改進。

參考文獻：

[1]張永建.政策與技術創新的關聯性研究——以電動汽車動力電池領域為例[J].中國發明與專利，2019，16（10）：22-35.

[2]梁秀璟.爭論中發展的新能源汽車[J].自動化博覽，2012，29（03）：

44-46.

[3]朱碧輝.純電動汽車動力系統分析與故障診斷研究[D].湖北汽車工業學院，2017.

[4]馬力.基于強化學習改進的模糊神經網絡及其應用研究[D].西安電子科技大學，2011.

[5]高正明，何彬，趙娟，裴永泉，左廣霞.常用故障特征提取方法[J].機床與液壓，2009，37（12）：227-230.

[6]李思博.鋰動力電池系統性能分析及故障診斷研究[D].哈爾濱理工大學，2019.