混合动力汽车电池管理系统故障诊断与健康管理研究

发布时间：2017-06-19 12:21

  本文关键词：混合动力汽车电池管理系统故障诊断与健康管理研究，由笔耕文化传播整理发布。

【摘要】：环境污染和能源短缺是当今汽车工业面临的两大挑战,为了应对国家提出的可持续发展战略,科研单位和各大汽车生产厂商都把混合动力这种新能源汽车作为解决这两个问题的有效途径。而混合动力汽车在实际使用过程中的维护、维修都离不开故障诊断的研究。本文以插电式混合动力汽车为依托,研究了电池管理系统常见的故障及其故障原因,通过运用故障树分析、车辆仿真建模、模式识别等理论方法,实现混合动力汽车电池管理系统的故障诊断。首先,结合混合动力汽车的样车实际,收集并整理混合动力汽车电池管理系统常见的故障特征,完成混合动力汽车电池管理系统的故障树分析,绘制混合动力汽车电池管理系统的故障树,建立起电池管理系统故障现象与故障原因的联系。其次,根据混合动力汽车电池管理系统的故障树及故障特征,以Matlab/Simulink软件为仿真平台,建立混合动力汽车电池管理系统的仿真模型,并以电池管理系统故障诊断为核心,模拟混合动力汽车电池管理系统的不同故障工况,分析系统的响应。最后,运用模式识别的相关理论方法,利用电池管理系统的仿真模型生成相关工况数据,并分析数据特点,提取不同传感器的信号特征,建立起模式识别的故障特征向量。采用人工神经网络的相关技术,设计并建立起BP神经网络,完成对电池管理系统三类故障的模式识别,从而实现故障诊断。诊断的部分功能可以运用于实际混合动力汽车的电池管理系统。
【关键词】：混合动力汽车 电池管理系统 故障诊断 健康管理 模式识别 BP神经网络
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：U472
【目录】：

• 摘要5-6
• abstract6-10
• 第1章 绪论10-17
• 1.1 课题背景及选题意义10-12
• 1.2 国内外研究现状12-16
• 1.2.1 故障诊断与健康管理基本概念12-13
• 1.2.2 故障诊断与健康管理技术在汽车行业的应用13-15
• 1.2.3 电池管理系统的故障诊断15-16
• 1.3 本文主要研究内容16-17
• 第2章 混合动力汽车电池管理系统工作原理及故障树分析17-41
• 2.1 混合动力汽车电池管理系统基本结构17-18
• 2.2 电池管理系统工作原理18-26
• 2.2.1 锂离子电池20-21
• 2.2.2 锂离子电池状态估计21-24
• 2.2.3 电压采集电路24
• 2.2.4 电流采集电路24-26
• 2.3 混合动力汽车电池管理系统故障树分析26-37
• 2.3.1 故障树分析法26-33
• 2.3.2 混合动力汽车电池管理系统故障树33-37
• 2.4 电池管理系统故障诊断流程37-40
• 2.4.1 行车前自检级别的故障诊断38
• 2.4.2 行车过程中检测级别的故障诊断38-40
• 2.5 本章小结40-41
• 第3章 混合动力电池管理系统健康管理41-50
• 3.1 健康管理概念41-42
• 3.2 混合动力电池管理系统健康管理技术分析42-44
• 3.2.1 混合动力电池管理系统健康管理基本功能42-43
• 3.2.2 混合动力电池管理系统健康评估指标体系43-44
• 3.3 混合动力电池管理系统健康状态划分44-45
• 3.4 基于灰色关联的混合动力电池管理系统健康评估45-49
• 3.4.1 灰色系统理论45
• 3.4.2 灰色关联度分析方法45-47
• 3.4.3 混合动力电池管理系统健康状态评估47-49
• 3.5 本章小结49-50
• 第4章 混合动力汽车电池管理系统建模及仿真分析50-73
• 4.1 基于SimPowerSystems的电池管理系统建模50-60
• 4.1.1 锂离子电池等效电路模型52-53
• 4.1.2 模型参数识别53-56
• 4.1.3 锂离子电池热模型56-57
• 4.1.4 电池管理系统的SOC估计模型57-58
• 4.1.5 电池管理系统均衡模型58-59
• 4.1.6 电池管理系统故障诊断模型59-60
• 4.2 模型验证及其仿真结果分析60-67
• 4.2.1 电池模型仿真60-62
• 4.2.2 电池管理系统SOC估计算法仿真62-64
• 4.2.3 工况试验64-65
• 4.2.4 几种简单故障模拟65-67
• 4.3 故障锂离子电池动态工况仿真67-72
• 4.3.1 模型的仿真工况67-68
• 4.3.2 故障电池单体设计及动态工况仿真结果分析68-72
• 4.4 本章小结72-73
• 第5章 故障模式识别与故障诊断73-91
• 5.1 基于模式识别的故障诊断方法73-77
• 5.1.1 基本概念73-74
• 5.1.2 模式识别方法74-76
• 5.1.3 模式识别系统76-77
• 5.2 故障模式识别及故障特征提取77-83
• 5.2.1 小波包分析77-78
• 5.2.2 故障特征提取78-81
• 5.2.3 建立故障特征向量81-83
• 5.3 基于人工神经网络的故障诊断83-88
• 5.3.1 神经网络概述83-85
• 5.3.2 BP神经网络85-87
• 5.3.3 BP神经网络故障诊断87-88
• 5.4 BP神经网络诊断结果及其分析88-90
• 5.5 本章小结90-91
• 结论91-93
• 全文工作总结91-92
• 论文的创新之处92-93
• 参考文献93-96
• 致谢96

【参考文献】

中国期刊全文数据库 前3条

1 郭阳明;蔡小斌;张宝珍;翟正军;;故障预测与健康状态管理技术综述[J];计算机测量与控制;2008年09期

2 何富君;刘小磊;卢晓昭;塔月月;;传感器的故障诊断技术研究[J];科学技术与工程;2010年26期

3 李淑芳;滕青芳;胡岳鹏;;灰色关联理论在铁路信号设备状态评价中的应用[J];兰州交通大学学报;2012年01期

中国硕士学位论文全文数据库 前1条

1 刘文杰;电池组故障诊断专家系统的研究与实现[D];湖南大学;2005年

  本文关键词：混合动力汽车电池管理系统故障诊断与健康管理研究，由笔耕文化传播整理发布。

，

本文编号：462533