電動汽車鋰電池管理系統的研究與實現 — 模糊診斷專家系統

專家系統（EXPERT SYSTEM）是一個具有大量專門知識的程序系統，它應用人工智能（ARTIFICIAL INTELLIGENCE，簡稱AI）技術，根據一個或多個人類專家提供的特殊領域知識進行推理，模擬人類專家作決定的過程來解決那些需要專家才能解決的復雜問題。電池組故障診斷模糊專家系統是電池管理系統的一部分，它以模糊數學與模糊診斷原理為基礎，將電池專家和有關蓄電池使用和維護的書籍上總結出的經驗和規則存入知識庫中，以電池的歷史檔案、運行狀況和上一次的診斷結果為依據，采用模糊綜合評判的方法對電池故障進行診斷，同時給出電池的健康狀況和維護信息。通過專家診斷系統，我們可以挑選出性能較差的電池，保證純電動車或者混合電動車的車用電池組性能上的一致，也使剩余電量估計模型能夠更準確更好的應用于電動車上。

7.1 模糊數學與模糊診斷方法

在電池故障診斷中專家所描述的癥狀，如“電壓上升快”、“充電不足”、“電壓下降快”等，是界限不清的模糊集合。我們通過模糊數學模型加以描述。用模糊關系矩陣來反映某些故障機理，并選用適當的隸屬函數，用相應的隸屬度來描述這些癥狀存在的傾向性。模糊故障診斷方法就是根據某些癥狀的隸屬度來求出各種故障的隸屬度，用以表征各種故障存在的傾向性，為判斷電池故障和采取補救措施的決策提供科學的依據。下面介紹模糊數學模型和我們采用的綜合評判方法。



兩論域之間顯然存在著某種模糊關系。例如，某一故障將引起若干強弱不同的癥狀，而某一癥狀也表征著若干個故障的存在。這個模糊關系可通過隸屬度表示，例如，可定出癥狀x j相應于故障v i的隸屬度：


它組成了論域U和論域V之間的模糊關系矩陣：



如果已知模糊關系矩陣R和模糊向量α，就可求得模糊向量β。

這就是多因素評判：


其中，各癥狀的隸屬度向量α可以從測量數據和歷史檔案通過一定的隸屬函數求得。至于模糊關系矩陣，它是大量分析、實驗、測試和現場實踐經驗的總結，可以通過大量實驗和總結有關專家，技術人員和工人的經驗來決定。同時還可以參考大量的相關資料和前人的經驗。

在我們的系統中采用的運算模型將模糊關系的運算式展開如下：



其中“*”為代數乘，運算（_r1j *μ_xj）可看成是對隸屬度μ_xj的加權修正，r_ij可看成是加權值，因而要求r_ij歸一化，即令



而代數和“+”則表示對諸因素的綜合。因為rij已歸一化，因而在對諸因素的綜合過程中，用代數和能最好地反映出各因素的作用和影響。

7.2模糊診斷專家系統設計方案

電池組故障診斷模糊專家系統將有關鋰電池使用和維護的經驗和規則存入知識庫中，以電池的歷史檔案、運行狀況和上一次的診斷結果為依據，采用模糊綜合評判的方法對電池故障進行診斷，同時給出電池的健康狀況DOH（Degree Of Health）和維護信息。其功能結構如圖7.1所示，SOR（State Of Running）為電池運行狀況。

歷史檔案和規則庫組成了電池組診斷模糊專家系統的知識庫，歷史檔案里存放的是每個電池提供給專家系統診斷用的數據，而規則庫里存放的是數字化了的專家提供的診斷規則，專家系統利用這些規則和歷史檔案中的數據給每個電池進行綜合評判，得出電池隸屬于各故障存在的隸屬度。利用這些隸屬度，綜合后給出電池的失效程度DOF（Degree Of Failure）。計算DOF的方法是：如果所有故



障存在的隸屬度最多只有一個大于0.5，則DOF取隸屬度最大的一個；如果存在兩個以上故障存在的隸屬度大于0.5，則DOF取這幾個故障的并集，各故障之間的綜合采用運算。對其運算的定義如下：



其中a、b分別為兩個故障存在的隸屬度。采用這種運算方式是因為各個不同的故障對電池失效所起的扶持和加強作用。例如，設電池極板損壞存在的隸屬度為a=0.8，電池老化存在的隸屬度為b=0.5.如果采用最大最小運算法則，則綜合的隸屬度μ=0.8.但實際上，由于電池老化的存在加強了我們對判斷電池失效的信念。如果用運算，則可得μ=0.9，其值大于電池極板損壞的隸屬度，這樣能對所有因素的影響和作用都給予適當的考慮，比起極大極小運算模型只突出主故障的法則，能更全面地反映實際。

電池的健康狀況DOH（Degree Of Health），是我們為反映電池使用性能的現有狀況而提出的，將電池按照其性能的好壞程度而進行分類的概念。在我們的系統中，電池的DOH被分為十級，被確定為第四級以下的電池應該被更換，第四級至第六級電池應該加強維護，第七級至第十級電池為健康電池。



DOF、最近兩個CYCLE的SOR和上一次的診斷結果DOH^的加權和作為此次診斷的最終診斷結果：電池的健康狀況DOH值。其中，C₁ + C₂ + C₃ =1，在我們現在系統中它們分別為（3/10，4/10，3/10），加權值的大小是在實驗中不斷調整得出的。

診斷模塊根據這些規則和模糊化的數據對每個電池進行診斷，給出電池隸屬于每種故障的隸屬度，根據隸屬原則得出診斷結果。

DOH值作為電池的一個重要信息被保存在電池管理系統中，用戶可通過顯示模塊進行查看。同時診斷結果、診斷得出的中間結果和歷史檔案數據都可被傳到上位機上，供專業人士查看。

7.3電池診斷模糊專家系統所用規則

我們對電池專家提供的電池故障診斷規則、電池診斷和維護的資料進行分析整理后寫入專家系統。然后經試驗驗證，實現取舍和增加。以鉛酸電池為例，系統中的規則主要有：

1.放電電壓下降快、電壓低，充電電壓上升快、電壓高，則電池容量變小或極板損壞；

2.靜置時電池端電壓下降快，長期放置電壓低，則自放電過大；

3.放電時電池端電壓下降很快，電壓比平均電壓低0.4伏左右，則有單元電池損壞；

4.蓄電池開路電壓很低、不能帶負載，則電池損壞或連接不正常；

5.充電時電壓偏高，放電時電壓偏低，則蓄電池內阻過大；

6.充電時電壓極高，則蓄電池內部開路；

7.電池自開始放電起，其電壓就一直比別的電池略低，其放電平臺性能正常，則電池可能充電不足；