锂离子电池组监控系统研究与实现 ― 模糊故障诊断

该模糊诊断系统主要由以下几个模块组成：

1)知识获取模块。完善知识库中的电池诊断方法，扩充和修改症状与故障之间的模糊关系矩阵。

2)全局数据库。除了存放信号采集电路所采集到的电池电压、电流和温度值，还记录在诊断过程中的一些中间数据。

3)规则库。电池诊断规则和相关知识的存放地点。

4)推理机。依据知识库中的诊断规则和模糊关系矩阵，控制推理过程。

5)人机接口。进行人机交互。

6.5规则库建立

规则库是电池组模糊故障诊断系统中非常重要的一个模块。规则库的建立关键是要抽象化专家知识，将其变成规则。对于本诊断系统来说，就是需要得到症

状的隶属度函数、症状与故障之间的模糊关系矩阵以及对故障的诊断规则，然后将这些信息存储起来，构建成规则库。

对于电池组故障诊断系统来说，症状与故障之间的关系主要有：电池在闲置时电压下降较快且电池放置时间长时电压较低，则表示电池自放电率高;充放电时电池电压异常，则表示电池内阻过大;当开路时，电池电压较低且无法带动负载，则表示电池可能报废或连接不正常;电池组放电时，其中一节电池电压下降比别的快，则表示该节电池可能充电不足或该电池已损坏;在充放电时，电池电压上升和下降速度异常，则表示该节电池容量变小或极板损坏;充电时电压极高，则电池内部开路。

6.5.1症状隶属函数的确定

症状隶属函数是依据信号采集电路对电池电压、电流和温度值的实时采集数据得到的。不同时间段采集到的电池状态数据都对电池症状有所影响，只不过时间不同，采集到的数据对电池症状影响的程度不一样。例如对于“电压下降快”这个症状，在放电的初始阶段比后面更能反映该症状。因此，先求每个采样周期的症状隶属度，然后对不同采样周期设定不同的加权值，最终得到该症状的隶属度。该算法定义如下：

定义： m为采样阶段次数;t为每个采样阶段的采样次数;PLK为电池组中第L个电池出现症状K的隶属度值;PLKI为电池组中第L个电池出现症状K在第i个时间段的隶属度值;P(t)LKI为电池组中第L个电池出现症状K在第i个时间段的第t次采样数据的单次隶属度值;C(n)是加权函数

6.5.2单次采样数据症状隶属函数的确定

在建立规则库时，我们定义了故障诊断系统中可能出现的电池症状，主要有以下几点：

⑴充电时电池电压上升快;

⑵放电时电池电压下降快;

⑶充电温度高，放电温度高;

⑷充电时电压极高，放电电压极低;

电池出现故障所对应的症状主要都是处于充放电两种状态下，并且都是跟电池的电压和温度这两种外部特性数据有关，且变化程度分为高、低、极高、极低等。

由此，可得单次采样数据症状隶属函数如下：

Psta(I)为电池的状态函数，Psts(X)为电池的外部特性数据函数。Psta(I)由其对应的症状所描述的状态决定，Pcha(X)则取决于它所对应的症状所描述的电池外部特性数据及其变化程度，一般是一些根据电池的充放电曲线和电池使用经验数据初步给出并通过试验调整得出的离散函数。

6.5.3模糊矩阵元素的确定

模糊矩阵元素的确定大多是先由专家根据经验确定，再在实践中修正的方法。

在前面我们对电池故障与症状之间的模糊关系已经做了一些介绍，某一故障可能因为多个症状产生，某一症状的产生也可能会引起多个故障。它们之间的隶属关系通常是处于稳态的。因此我们需要经过多次实验，依据实验结果和专家对电池故障特性的研究成果以及经验，才能最终得到精确的症状与故障之间的模糊关系矩阵参数。

6.6推理诊断过程

在建立规则库时，我们了解到在电池的使用过程中，经常出现的故障主要有电池充电不足、电池损坏、内阻过大、电池容量小、板极损坏等。

这m种故障和这n个症状的模糊关系矩阵被保存在数组DIAG[m][n]中，这个数组里保存的是代表规则里各个症状因素对故障的作用和影响大小的加权修正值。

如果症状i对故障j的作用为零，则DIAG[j][i]=0.

设某电池的症状隶属度依次为：

故障隶属度依次为：

则一个具体故障的隶属度viμ可用以下公式表示：

数组DIAG中各元素的大小是专家系统的各规则的关键部分，需要同专家深入讨论并不断用试验验证，不符合的要反复调整，直到结果与电池的故障状态符合为止。

6.7诊断结果

电池组故障诊断结果是通过对电池组做放电实验得到的。

诊断结果如表6.1所示。

6.8结论

目前，该故障诊断模糊算法中对于电池组症状隶属度的大小还没有一个明确值，需要经过长期的实验才能得到其准确的数据。另外，很多规则也需要经过多次的运行才能准确的定义。因此，该算法还不成熟，需要经过长期的运行、实验和调试才能使其最终完善。