电动汽车远程监控技术研究及其平台开发*

杜常清，杜 刚，朱一多，李 晃

(武汉理工大学，现代汽车零部件技术湖北省重点实验室，汽车零部件技术湖北省协同创新中心,武汉 430070)



2015184

电动汽车远程监控技术研究及其平台开发*

杜常清，杜 刚，朱一多，李 晃

(武汉理工大学，现代汽车零部件技术湖北省重点实验室，汽车零部件技术湖北省协同创新中心,武汉 430070)

为提高电动汽车运行的安全性和揭示设计参数对性能的影响，设计并开发了一套远程监控平台。该平台基于GPS数据，采用投影法和曲线拟合算法对车辆进行实时定位；以电动汽车动力电池组的故障诊断为例，提出了基于阈值原则，采用QTouch开发平台软件和Matlab软件进行电池状态和故障监控的方法；选择典型的城市行驶工况，对所开发的平台进行了实车测试。结果表明，该平台能实现电动汽车远程数据的准确采集与监控，对车辆各总成进行实时故障诊断并作出报警提示，也可对电动汽车进行性能分析与评价，满足电动汽车远程监控与管理的需求。

电动汽车；远程监控；故障诊断；数据分析

前言

围绕节能与环保两大主题，以电动汽车为首的新能源汽车产业已然成为当今汽车界内的研究热点。当前，电动汽车技术即将由导入期转向快速发展期，为保证电动汽车运行安全性，促进技术进步和提高实用性，整车厂家必须对处于起步期、发展期的新能源汽车的运行状态进行实时监控[1]。因此，开发电动汽车远程监控系统十分必要，国内外针对此领域展开了大量研究并取得一定成果。

目前，参与示范运营电动汽车的远程监控系统功能主要停留在数据收发和简单的故障报警方面，对于数据的深入处理，研究基于数据流的电动汽车动力系统和能源系统工作状态以及性能监测等方面还较为欠缺，无法为整车控制策略的优化、安全性和可靠性等方面的改进提供完善的技术指导。

基于以上分析，为增强对远程数据的二次处理能力，本文中对远程监控关键技术展开探究，设计并开发了一套电动汽车远程监控平台。

1 远程监控平台系统构成

本文中设计的远程监控平台主要由车载智能信息终端、上位机监控平台、3G无线网络、Internet网络构成，图1示出系统的构成及其通信原理。

车载智能信息终端的主要功能是远程数据的接收和发送，而上位机监控平台的主要功能则是对接收的远程数据进行分析处理，方便监控用户对电动汽车运行状态进行实时监控，了解车辆故障信息并对电动汽车性能作出分析评价，也能响应监控用户的交互操作，下达控制指令。

车载智能信息终端采用高性能ARM9单片机作为核心处理器，其主控制芯片AT91SAM9G45通过CAN模块与车载CAN网络各个监控节点实现信息交互，实时获取车辆运行信息并可下发控制命令给各监控节点[2]。主控制芯片通过UART接口实现与GPS模块之间的通信，完成GPS数据的采集。主控制芯片将采集到的CAN数据和GPS数据发送至3G模块，监控系统上、下位机采用MODBUS通信协议，3G模块将数据打包为MODBUS报文[3]。

基于电信3G-CDMA2000无线网络和Internet网络，3G模块将MODBUS报文发送至远程监控系统服务器，监控人员通过访问服务器实现对电动汽车运行状况的监控。通过MODBUS的双向读写功能，监控人员也可以通过3G网络与Internet网络向车载智能信息终端发送控制命令[4]。

采用QTouch跨平台自动化组态软件作为远程监控系统软件开发平台，基于DDE动态交换技术[5]，QTouch联合Matlab开发了故障诊断及分析评价系统，上位机接收的远程数据和运算分析结果均写入关联数据库管理系统MySQL中，使用SQL指令对数据库中的数据进行查询和编辑。

2 监控平台功能及关键技术研究

针对示范运营电动汽车监控需求为远程监控平台进行功能设计，形成了一套较为完善的软件功能体系，如图2所示。软件功能设计分为面向管理行为的软件设计、面向实时监控的软件设计、面向分析评价的软件设计3个方面。软件功能体系涵盖11种不同的功能模块，系统分别为各功能模块开发了相应的用户界面，作为用户与监控平台的交互接口[6]。

图2中，虚拟仪器仪表模块以数值、图形和曲线绘制等方式显示电机、动力电池组和其它车载设备的运行信息。车辆定位与跟踪模块以GOOGLE地图作为显示载体，调用电子地图程序对电动汽车进行定位，实时获取在线电动汽车经纬度、航速、航向、海拔和运行时间等GPS信息，并能回放任一车辆、任一时段的运行路线。实时报警与故障查询模块可以解析电机、动力电池组等车载设备的故障码，并以醒目图标和声音报警提示的方式告知监控人员。历史数据查询模块可供监控人员查询任意监控参数的历史数据并可生成、打印报表。数据分析与评价模块能够对电动汽车性能和运行数据作出评价，包括能量经济性评价、报警与故障统计分析、行驶工况分析、行驶里程统计分析、SOH电池健康状态评价和驾驶习惯分析等，并以图形和报表的形式显示分析结果。

2.1 基于地图匹配的车辆定位与跟踪

在实际GPS定位过程中，由于受到各种外界因素的干扰，接收的GPS数据常常会发生一定程度的漂移和失真，不能准确地将GPS定位点关联在实际行驶道路上。为了提高定位精度，监控平台采用基于投影法和曲线拟合数值分析的方式对GPS定位点进行地图匹配[7]。

本文中地图匹配原理是根据可用的道路匹配信息(车辆运行方向、GPS定位点与待匹配道路投影距离、待匹配道路与前一定位点匹配道路之间的拓扑连接关系)确定匹配道路[8]，然后采用投影法将GPS定位点关联到匹配道路。

以GPS定位点为中心，40m为半径创建道路匹配区域，当区域内的待匹配道路与车辆运行方向夹角不大于30°且与前一定位点匹配道路之间存在拓扑连接时，认为该道路符合匹配条件。车辆方向通过曲线拟合得到的定位点斜率k来反映。

(1)

式中：(Xi,Yi)为曲线拟合点定位坐标；i=1,2,3,4,5,6；(X6,Y6)为待匹配定位点。

若区域内存在多条道路满足匹配条件，则通过道路匹配函数F确定最优匹配道路。

(2)

式中：k为(X6,Y6)点处的斜率；k0为待匹配道路斜率；d为投影距离；m，n分别为角度加权值和投影距离加权值，且m+n=1，反映了待匹配道路角度与距离的受信任程度，根据实际情况确定加权值。

确定匹配道路后，采用投影法将GPS定位点关联到电子地图道路上，若投影点落到匹配道路延长线上，则以匹配道路临近端点作为最优匹配点。

GPS定位点地图匹配的算法流程如图3所示，分为以下几个阶段：

(1) 读取GPS数据，按系统预定规则库判断该数据是否为失效数据，若是则放弃匹配；

(2) 以GPS定位点为中心，以40m为半径创建道路匹配区域，此区域内出现的道路作为待匹配道路，获取待匹配道路集；

(3) 将待匹配道路集中待匹配道路与前一定位点匹配道路进行几何拓扑连接分析，如两者无几何拓扑相连关系，则放弃匹配；

(4) 若道路集中待匹配道路仅有1条，则认为此道路为匹配道路，若有多条，则对6点GPS定位数据进行曲线拟合数值分析，并采用道路匹配函数F来确定匹配道路；

(5) 采用投影法，将GPS定位点关联到电子地图匹配道路上。

2.2 基于阈值原则的电池故障诊断

以动力电池为例，其主要故障包括电池零容量、电池容量变小、电池组老化、自放电大、极板损坏、充电不足、内部开路、短路、内阻过大和报废等，而故障产生时的征兆，如充电电压高、升压快、电流小、放电电压低、降压快、温度高和升温快等，则通过电池状态数据(电压、电流和温度)来表征。

当动力电池发生故障时，常常伴随着多个故障征兆和多个故障原因，一个故障征兆可由多个故障原因引起，一个故障原因也可引起多个故障征兆，征兆与原因间是多对多的模糊关系，因此，对于电池的故障诊断非常复杂。为了反映故障原因和征兆间的这种模糊关系，可以通过征兆相对于故障原因的隶属度来表征，隶属度值越大，则故障征兆与故障原因之间的相关程度越高[9-10]。

基于阈值原则和模糊数学综合评判，采用QTouch联合Matlab开发了电池故障诊断系统，能够准确地给出电池故障诊断信息，说明故障原因和故障程度。诊断基本原理为：根据电压、电流和温度等电池状态数据，抽象出当前电池所表现出的故障征兆，并依据数据进行征兆隶属度的计算，将征兆程度具体化。再根据模糊诊断矩阵计算出故障原因隶属度，对比各个故障隶属度和对应故障阈值(本文中故障阈值为0.5，后期根据试验可作出调整)，若故障隶属度值超过阈值，则说明对应故障发生，否则电池健康。完整的电池诊断流程如图4所示，分为以下4个阶段。

μsi=F(si)

(3)

(4)

(3) 比较故障原因隶属度μdj与该故障阈值αdj，若式(5)成立，则故障dj发生，否则电池健康。

μdj>αdj

(5)

式中：αdj为判断故障dj发生与否的阈值，确立的故障阈值集G={αdj|j=1,2,…,m}。

(4) 计算电池健康状态SOH并给出诊断信息。

SOH=(1-max(μdj))×100%

(6)

SOH描述了电池健康状态，电池诊断出现故障后，根据SOH数值的大小可以反映电池的故障程度。

2.3 行驶工况分析

各地区道路特征、地理结构与实时路况存在较大差异，针对不同地区实际行驶工况，根据通用的循环工况进行动力系统参数匹配和整车控制策略设计存在较大的局限性。为获取电动汽车实际运行时的功率需求，更好地匹配动力总成参数，优化整车控制策略，改善动力性、经济性、实用性，就必须对电动汽车实际行驶工况数据进行统计与分析，为制定本地区典型电动汽车工况提供数据基础。

基于3G无线网络，车载智能信息终端将采集的大量行驶工况数据在线发送至上位机监控平台并写入MySQL数据库。工况分析评价软件通过访问MySQL数据库，能够对工况数据文件进行连续不断的统计与分析，分析流程如图5所示。本文中选取13个工况特征参数(表1)进行分析，分析结果以报表的形式给出，这样就可以对电动汽车实际行驶工况作出评价[11]。

表1 实际行驶工况特征参数分析

类似工况分析软件，开发了驾驶习惯分析软件，可对多项驾驶习惯进行统计分析，包括车速分布、各挡位使用次数、转速分布等近百个统计分析项，为研究驾驶习惯对车辆性能的影响提供数据基础。不同驾驶员有着不同的驾驶习惯，它们必然会影响到电动汽车运行性能，尤其对经济性的影响较大。通过对同车和多车大量数据进行驾驶习惯分析，研究驾驶习惯对车辆性能的影响方式，可以制定出良好的驾驶指导准则，提高电动汽车经济性和实用性。

3 实车验证

在项目一期实车测试中，以某单位提供的2台纯电动汽车作为实验监控对象，在武汉市区选择了一条典型市区工况路线进行测试。测试路线中包含一段城市快速道路，一段交通较为平稳的道路和一段交通较为拥堵的道路，一次测试全程共17.4km，耗时约50min。利用自主开发的远程监控平台对2台纯电动车进行全面监控，系统测试与分析结果如下。

图6为远程监控平台主监控界面，可以监控任一在线车辆的详细数据，也可以同时监控全部在线车辆的基本数据。图中显示了001号电动汽车运行时的整车数据、GPS数据、电机与电池的CAN数据和故障报警等实时监控信息。调用SQL查询指令查看001号电动汽车实车测试时SOC的历史数据，如图7所示，显示了SOC从运行开始到50min时的变化趋势。

基于投影法和曲线拟合数值分析，调用电子地图程序对车辆进行定位跟踪。图8验证了监控平台能对在线的2台电动汽车进行准确定位，以动态实心圆圈定位车辆，并在线显示车辆位置信息，如车速、方向、经纬度、海拔、时间等GPS信息。图9为002号电动汽车在一期测试中的行驶路线。

监控平台实时对电动汽车远程数据进行故障诊断并给出诊断信息，监控人员可以查看任一零部件、任一时段的历史诊断信息。图10示出了001号电动汽车实车测试时17号单体电池的部分诊断信息。经过分析对比，该监控平台的诊断结果与实际人工检测结果基本一致，验证了电池故障诊断信息的准确性。

对002号电动汽车实车测试行驶工况特征参数作出分析，从MySQL数据库中读取指定工况数据分析文件，进行连续不断地统计与分析。分析结果如表1所示，监控平台准确地对系统所采用的13个工况特征参数进行分析。

读取数据库中实车测试001号电动汽车行驶里程、时间、车速等数据，生成“里程百分比-车速”、“时间百分比-车速”车速分布图，如图11所示。

4 结论

本文中设计了基于3G网络的电动汽车远程监控平台，通过实车测试，验证了该监控平台能够准确、稳定地对电动汽车运行状态进行监控和管理，满足示范运营需求。基于地图匹配数值分析方法，实现了对电动汽车准确定位，采用QTouch联合Matlab开发了基于阈值原则的模糊数学综合评判的故障诊断系统，改进了电池故障诊断方式。开发的数据统计与分析模块能够对大量实际工况数据和驾驶习惯数据进行统计分析并形成报表，为电动汽车动力参数匹配和整车控制策略优化等电动汽车技术的改进打下基础。

[1] 工业与信息产业部.新能源汽车生产企业及产品准入管理规则[R].2009.

[2] 胡瑶.基于CAN、GPRS技术的电动汽车远程监控系统研究[D].武汉:武汉理工大学,2012.

[3] 张宇,朱朴宁.基于MODBUS的矿区监测系统数据采集方案[J].电气自动化,2012,34(3):76-78.

[4] 曾宏.基于CAN的公交车车况信息采集及GPRS/3G的远程监控调度系统[D].广州:华南理工大学,2012.

[5] 陈燕虹,沈帅,刘宏伟,等.多辆电动汽车远程监控系统[J].吉林大学学报(工学版),2013,43(2).

[6] 张新丰,沈勇,宋謌,等.面向规模示范运营的新能源汽车远程监控系统设计[J].汽车工程,2012,34(5):470-474.

[7] 陈嘉,胡继华,张飞舟.面向车辆监控导航的地图匹配算法研究[J].北京大学学报(自然科学版),2009,45(2):299-305.

[8] 付梦印,李杰,邓志红.一种适于车辆导航系统的快速地图匹配算法[J].北京理工大学学报,2005,25(3):225-229.

[9] 吴建荣.纯电动汽车远程监控系统设计及故障诊断方法研究[D].长春:吉林大学,2011.

[10] Cox Michael, Fritsch Mike. Automotive “Smart” Battery with State of Health Conductance Testing and Monitoring Technology[C]. SAE Paper 2003-01-0099.

[11] 谢辉,肖斌,郝明德,等.电动汽车示范运行无线远程监控管理系统的开发研究[J].汽车工程, 2006,28(8):734-737.

Remote Monitoring Technology Research and PlatformDevelopment for Electric Vehicle

Du Changqing, Du Gang, Zhu Yiduo & Li Huang

WuhanUniversityofTechnology,HubeiKeyLaboratoryofAdvancedAutomotivePartsTechnology,HubeiCollaborativeInnovationCenterofAutomotivePartsTechnology,Wuhan430070

Aiming at improving the operation security of electric vehicle (EV) and revealing the influence of design parameters on vehicle performance, a remote monitoring platform is designed and developed. Based on GPS data, the platform fulfills the real-time positioning for vehicle by means of projection and curve fitting. With the fault diagnosis of power battery for EV as example, a method for battery state and fault monitoring is put forward based on the principle of threshold and using QTouch development platform and Matlab software. A real vehicle testing on the platform developed is conducted with typical urban driving cycle. The results indicate that the platform can realize the accurate collection and monitoring for the remote data of EV, perform real time fault diagnosis for various assemblies of vehicle and give warning, and can also conduct the performance analysis and evaluation of EV, meeting the requirements of the remote monitoring and management of EV.

EV; remote monitoring; fault diagnosis; data analysis

*国家科技支撑计划项目(2013BAG09B00)、国家自然科学基金(51275367)和中国新能源汽车产品检测工况研究和开发资助。

原稿收到日期为2014年1月14日，修改稿收到日期为2014年5月13日。