电动汽车动力电池故障诊断综述

赵士博 申彩英 郭增江

摘 要：电动汽车必定是未来发展的方向，针对电动汽车动力电池故障诊断的发展和国内外研究现状，文章进行综述。首先介绍电动汽车动力电池故障诊断的意義，对电池故障诊断的国内外研究现状概括并进行说明。并对电池故障诊断系统提出一些存在的问题，并展望未来电池故障诊断系统的发展趋势。

关键词：动力电池;故障诊断;发展趋势

0 前言

世界工业快速发展造成了能源短缺和环境污染问题，汽车工业的主要发展方向开始从传统汽车转向新能源汽车，电动汽车是新能源汽车中的主力。动力电池作为电动汽车中重要的能源存储装置，在电动汽车的使用过程中发挥着重要的作用。锂离子动力电池是目前应用最广泛的电动汽车动力电池。锂离子动力电池可以视作为一个复杂的电化学系统，工作原理、失效机理均极其复杂，如温度、放电倍率、放电深度等因素都会对锂离子动力电池的稳定工作造成影响。锂离子动力电池存在的安全性、耐久性问题会导致电池性能下降，发生损坏。这些故障导致电动汽车无法正常行驶，甚至造成巨大的经济损失和人员伤亡，严重影响了电动汽车的发展。锂离子动力电池故障诊断研究刻不容缓。

1 国内外现状

国外对故障诊断技术已经进行了深入的研究，一些科研成果已经达到了广泛应用的阶段。从社会的交通运营安全、节能减排、环境保护、降低运输使用成本等方面带来了非常明显的社会效益和经济效益。

1.1 国外研究现状

美国通用开发的应用于电动汽车上的电池管理系统和Aerovironmevt公司研究开发Smart Guard系统在美国电池管理系统方面的研究上极具有代表性。其中电动汽车的电池管理系统对电池的电流和电压进行监测，具有高压保护及过放电报警等功能;Smart Guard系统能够记录电池历史数据并进行归档，可检测是否有过充行为，并提供状态最差单体电池的相关信息。

德国研发的BADICOACH系统对近期放电周期内电池详细数据进行储存，可在对电池性能作出判断时快速查找错误使用情况。BATTMAN系统的独特之处在于其包含了不同型号的电池组，依据共同模块及差异模块管理思想，通过相关软硬件的改进措施达到对不同型号动力电池组进行管理的目的。

日本丰田开发的混合电动汽车电池管理系统普锐斯电池管理系统，对包括温度、电压和电流在内的各种电池相关参数进行监测，一旦发现某个参数超出预期水平，系统就会自动生成相应的故障代码。

1.2 国内研究现状

国内故障诊断技术虽然起步较晚，但相关企业、高校及科研机构都投入了较大的精力。清华大学的齐国光教授带领他的团队在电动汽车的故障诊断方面进行了研巧，取得了一定的进步，提出了一系列应用在电动汽车上的故障诊断方法。奇瑞汽车有限公司开发了基于GPRS无线通信网络的电动车远程实时监控系统。惠州亿能公司与北交合作在电池管理系统的结构和功能方面进行了改进及优化。其研发的电池管理系统设计了在线故障诊断和定位的功能，通过便携式故障诊断仪和数据存储仪，能有效分析故障类型及故障位置。

2 电池故障诊断系统

电池故障的发生受许多因素的影响，电池中表现出来的故障症状与故障原因之间有着不确定性和模糊性。动力电池一些明显的故障比较容易诊断，比如过压、过充等故障，但也存在一些不明显的故障，如电池容量变小、电池内阻大等，无法通过实时采集的电池数据进行诊断。针对电池故障原因的不确定性、模糊逻辑和神经网络的综合优势，提出一种基于模糊神经网络的电池故障诊断系统。利用MATLAB搭建电池故障模型进行故障模拟，然后在不同故障症状下进行充放电得到电池数据。根据数据计算隶属度，根据故障症状与故障原因建立模糊规则库，确定训练样本和测试样本。

用MATLAB构建BP神经网络模型并进行训练，所设计的故障诊断系统进行仿真试验，用0.8 0.7 0 0.2 0.1 0.1这组数据作为测试样本，得到结果0.9927-0.0028  0.0032，仿真结果如图所示。

诊断结果图横坐标分别为容量变小，内阻过大，充电不足，可以知道测试电池的故障时容量变小且非常严重。该系统能够正确诊断电池故障的原因，并给出各种电池故障的严重程度，因此该系统可应用于对电池管理系统中的电池故障原因进行准确诊断分析和报警，提高电池使用的安全性。

3 总结

本文结合模糊逻辑和BP神经网络设计动力电池故障诊断系统。诊断系统能准确诊断出电池的几种故障并给出故障严重程度，当电池出现多故障时也能准确诊断出故障原因。该故障诊断系统还有很多不足，需要大量数据进行训练、实际操作不易、需要根据电池的历史数据来进行判断故障等等，以后可以在这些方面进行改进。

参考文献：

[1]张永建.政策与技术创新的关联性研究——以电动汽车动力电池领域为例[J].中国发明与专利，2019，16（10）：22-35.

[2]梁秀璟.争论中发展的新能源汽车[J].自动化博览，2012，29（03）：

44-46.

[3]朱碧辉.纯电动汽车动力系统分析与故障诊断研究[D].湖北汽车工业学院，2017.

[4]马力.基于强化学习改进的模糊神经网络及其应用研究[D].西安电子科技大学，2011.

[5]高正明，何彬，赵娟，裴永泉，左广霞.常用故障特征提取方法[J].机床与液压，2009，37（12）：227-230.

[6]李思博.锂动力电池系统性能分析及故障诊断研究[D].哈尔滨理工大学，2019.