CN104714175A - 电池系统故障诊断方法及系统 - Google Patents
电池系统故障诊断方法及系统 Download PDFInfo
- Publication number
- CN104714175A CN104714175A CN201310681337.9A CN201310681337A CN104714175A CN 104714175 A CN104714175 A CN 104714175A CN 201310681337 A CN201310681337 A CN 201310681337A CN 104714175 A CN104714175 A CN 104714175A
- Authority
- CN
- China
- Prior art keywords
- battery
- neural network
- signal
- fault diagnosis
- battery system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池系统故障诊断方法及系统。该方法基于采集电池系统的温度信号、湿度信号、电池电流信号和电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。该系统包括数据采集模块、神经网络故障诊断模块，其中：数据采集模块用于采集电池系统的温度信号、湿度信号、电池电流信号、电池电压信号，神经网络故障诊断模块用于基于采集的温度信号、湿度信号、电池电流信号和电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。本发明融合电池系统多元件信号，实现对复杂电池系统的故障诊断，结果准确率高、诊断效率高，具备自适应修正功能，可用于电动汽车动力电池系统、储能电池系统的故障诊断。
Description
技术领域
本发明涉及一种基于BP神经网络实现的电池系统故障诊断方法及系统，属于电池系统故障诊断领域。
背景技术
作为未来汽车产业的发展趋势，电动汽车的时代即将到来。
对于电动汽车，电池系统是为其提供动力的能量源，因此，电池系统的正常供电是至关重要的。一般地，电池系统由电池、冷却电路、加热电路、电池管理电路、各传感器、电池箱、高压电路及用于连接其之间的信号线路等构成。电池系统是一种结构十分复杂的系统，因此，其故障现象呈现多样性，且很多复杂的故障产生的原因又往往呈现模糊性、随机性、组合性等特点。
目前，电池系统所采用的诊断方法为面向元件的诊断方法，该方法根据局部信息得出局部结论，很难对发生故障的根本原因做出准确的判定。而若通过建立基于诊断对象的精确数学模型进行故障诊断，则又会由于电池系统的复杂性、非线性特征而很难达到实用效果。
由此可见，设计出一种可准确、快速对电池系统故障做出诊断的技术方案是目前急需解决的问题。
发明内容
本发明的目的在于提供一种电池系统故障诊断方法及系统，该电池系统故障诊断方法及系统将模糊理论与神经网络结合，融合电池系统多元件信号信息，以简便的方式实现了对复杂电池系统的故障诊断，故障诊断结果准确率高、诊断效率高，且具备自适应修正功能。
为了实现上述目的，本发明采用了以下技术方案：
一种电池系统故障诊断方法，其特征在于它包括：基于采集电池系统的温度信号、湿度信号、电池电流信号和电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。所述湿度信号为所述电池系统的电池箱内的湿度信号。
优选地，将采集的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，以得到作为所述BP神经网络的输入变量的故障征兆；所述BP神经网络的输出变量为故障原因及其故障可能性。所述故障征兆为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低，所述故障原因为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水。
优选地，存储采集的所述电池系统的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号，存储所述BP神经网络输出的故障诊断结果，基于存储的所述温度信号、所述湿度信号、所述电池电流信号、所述电池电压信号以及所述BP神经网络输出的故障诊断结果，对所述BP神经网络的权值和阀值进行自适应修正，以提高所述BP神经网络输出的故障诊断结果的准确率和诊断效率。
一种电池系统故障诊断系统，其特征在于：它包括数据采集模块、神经网络故障诊断模块，其中：该数据采集模块用于采集电池系统的温度信号、湿度信号、电池电流信号、电池电压信号，该神经网络故障诊断模块用于基于采集的该温度信号、该湿度信号、该电池电流信号和该电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。所述湿度信号为所述电池系统的电池箱内的湿度信号。
优选地，所述电池系统故障诊断系统还包括模糊化处理模块，该模糊化处理模块用于将采集的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，以得到作为所述BP神经网络的输入变量的故障征兆；所述BP神经网络的输出变量为故障原因及其故障可能性。
所述故障征兆为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低，所述故障原因为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水。
优选地，所述电池系统故障诊断系统还包括数据库管理模块、神经网络自学习模块，该数据库管理模块包括检测值历史数据库、故障信息数据库、神经网络知识库，其中：该检测值历史数据库用于存储所述数据采集模块实时采集的所述电池系统的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号；该故障信息数据库用于存储所述BP神经网络输出的故障诊断结果；该神经网络知识库用于存储预先训练好的所述BP神经网络的权值和阀值；该神经网络自学习模块用于基于该检测值历史数据库存储的所述温度信号、所述湿度信号、所述电池电流信号、所述电池电压信号以及该故障信息数据库存储的所述BP神经网络输出的故障诊断结果，对该神经网络知识库存储的所述BP神经网络的权值和阀值进行自适应修正，以提高所述神经网络故障诊断模块的所述BP神经网络输出的故障诊断结果的准确率和诊断效率。
本发明的优点是：
本发明将模糊理论与神经网络结合，融合电池系统多元件信号信息，以简便的方式实现了对复杂电池系统的故障诊断，与已有电池系统诊断方法相比，本发明具有故障诊断结果准确率高、诊断效率高的优点，且具备自适应修正的功能。
本发明可用于电动汽车动力电池系统的故障诊断，对电动汽车安全性的改善起到了很大的帮助，本发明也可用于储能电池系统的故障诊断。
附图说明
图1是本发明系统的一实施例的组成框图。
具体实施方式
本发明电池系统故障诊断方法及系统用于对电池系统进行故障诊断，该电池系统包括电池、冷却电路、加热电路、电池管理电路、各传感器(包括温度传感器、湿度传感器、电流传感器、电压传感器)、电池箱和高压电路。该电池系统可为电动汽车的动力电池系统、储能电池系统等，其为本领域的熟知设备，故其具体构成不在这里详述。
本发明提出了一种电池系统故障诊断方法，它包括步骤：基于采集电池系统的温度信号、湿度信号、电池电流信号和电池电压信号(这些信号均为波形信号)，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。
优选地，采集的湿度信号可为电池系统的电池箱内的湿度信号。
在实际应用中，温度信号可由温度传感器实现采集，湿度信号可由湿度传感器实现采集，电池电流信号可由电流传感器实现采集，电池电压信号可由电压传感器实现采集，并且，温度传感器、湿度传感器、电流传感器、电压传感器的设置位置可根据实际需求而定，属于本领域的熟知技术，不在这里详述。
在实际设计中，优选地，可将采集的温度信号、湿度信号、电池电流信号和电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，从而得到作为BP神经网络的输入变量的故障征兆，该故障征兆为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低。而BP神经网络的输出变量为故障原因及其故障可能性，其中，故障原因为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水，各个故障原因的故障可能性为一个百分比数值。
在实际应用时，首先需要对BP神经网络进行训练。在本发明中，根据电池系统工作过程的理论分析及实际运行经验，确定电池系统可能出现的故障原因(见上述)及各故障原因的故障可能性作为BP神经网络的输出变量，同时确定用于区别各种故障原因的故障征兆(见上述)作为BP神经网络的输入变量。训练时，将各故障征兆、各故障原因的历史数据分别作为输入变量样本、输出变量样本来对该BP神经网络进行训练，直至训练好，于是，训练好的BP神经网络即可投入本发明进行故障诊断使用。需要说明的是，BP神经网络、关于BP神经网络的训练为本领域的熟知技术，其具体构建及训练过程不再详述。
在实际应用时，优选地，存储采集的电池系统的温度信号、湿度信号、电池电流信号和电池电压信号，存储BP神经网络输出的故障诊断结果(即故障原因及其故障可能性大小)，并且基于存储的温度信号、湿度信号、电池电流信号、电池电压信号以及BP神经网络输出的故障诊断结果，可对BP神经网络的权值和阀值进行自适应修正，以提高BP神经网络输出的故障诊断结果的准确率和诊断效率。在本发明中，自适应修正过程为本领域的熟知技术，不在这里详述。
如图1，本发明还提出了一种电池系统故障诊断系统，它包括数据采集模块1、神经网络故障诊断模块3，其中：该数据采集模块1用于采集电池系统的温度信号、湿度信号、电池电流信号、电池电压信号，该神经网络故障诊断模块3用于基于采集的该温度信号、该湿度信号、该电池电流信号和该电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。优选地，上述湿度信号为电池系统的电池箱内的湿度信号。
如图1，本发明电池系统故障诊断系统还可包括模糊化处理模块2，该模糊化处理模块2用于将采集的温度信号、湿度信号、电池电流信号和电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，以得到作为BP神经网络的输入变量的故障征兆，该故障征兆有6个，分别为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低。而BP神经网络的输出变量为故障原因及其故障可能性，故障原因有8个，分别为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水，各个故障原因的故障可能性为一个百分比数值。
如图1，本发明电池系统故障诊断系统还可包括数据库管理模块4、神经网络自学习模块5，该数据库管理模块4包括检测值历史数据库41、故障信息数据库42、神经网络知识库44，其中：
该检测值历史数据库41用于存储数据采集模块1实时采集的电池系统的温度信号、湿度信号、电池电流信号和电池电压信号；
该故障信息数据库42用于存储BP神经网络输出的故障诊断结果；
该神经网络知识库44用于存储预先训练好的BP神经网络的权值和阀值；
该神经网络自学习模块5用于基于该检测值历史数据库41存储的温度信号、湿度信号、电池电流信号、电池电压信号以及该故障信息数据库42存储的BP神经网络输出的故障诊断结果，对该神经网络知识库44存储的BP神经网络的权值和阀值进行自适应修正，以提高神经网络故障诊断模块3的BP神经网络输出的故障诊断结果的准确率和诊断效率。
如图1，数据库管理模块4还可包括系统设置参数数据库43，该系统设置参数数据库43用于存储安全配置参数、各传感器(指温度传感器、湿度传感器、电流传感器、电压传感器)的配置参数。
在实际实施时，本发明电池系统故障诊断系统有两种诊断形式。一种是当电池系统正在工作时的内部在线诊断形式，另一种是当电池系统不工作时的离线诊断形式。
如图1，内部在线诊断时，数据采集模块1将实时采集到的各波形信号(指温度信号、湿度信号、电池电流信号和电池电压信号涉及的波形信号)传送给模糊化处理模块2，同时将这些波形信号存储到检测值历史数据库41中。模糊化处理模块2对这些波形信号进行模糊化处理，转化为[0，1]范围内的数值，从而得到故障征兆，并且将故障征兆作为BP神经网络的输入变量输入到神经网络故障诊断模块3中，经过其内BP神经网络的故障诊断，输出故障原因并给出故障可能性大小，同时将输出的故障原因及故障可能性大小存储到故障信息数据库42中。
离线诊断时，可调用数据库管理模块4中的检测值历史数据库41、故障信息数据库42中存储的数据，来对电池系统进行相应的故障诊断处理。
本发明的优点是：
本发明将模糊理论与神经网络结合，融合电池系统多元件信号信息，以简便的方式实现了对复杂电池系统的故障诊断，与已有电池系统诊断方法相比，本发明具有故障诊断结果准确率高、诊断效率高的优点，且具备自适应修正的功能。
本发明可用于电动汽车动力电池系统的故障诊断，对电动汽车安全性的改善起到了很大的帮助，本发明也可用于储能电池系统的故障诊断。
以上所述是本发明的较佳实施例及其所运用的技术原理，对于本领域的技术人员来说，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变，均属于本发明保护范围之内。
Claims (10)
1.一种电池系统故障诊断方法，其特征在于它包括：基于采集电池系统的温度信号、湿度信号、电池电流信号和电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。
2.如权利要求1所述的电池系统故障诊断方法，其特征在于：
所述湿度信号为所述电池系统的电池箱内的湿度信号。
3.如权利要求1所述的电池系统故障诊断方法，其特征在于：
将采集的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，以得到作为所述BP神经网络的输入变量的故障征兆；所述BP神经网络的输出变量为故障原因及其故障可能性。
4.如权利要求3所述的电池系统故障诊断方法，其特征在于：
所述故障征兆为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低，所述故障原因为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水。
5.如权利要求1所述的电池系统故障诊断方法，其特征在于：
存储采集的所述电池系统的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号，存储所述BP神经网络输出的故障诊断结果，基于存储的所述温度信号、所述湿度信号、所述电池电流信号、所述电池电压信号以及所述BP神经网络输出的故障诊断结果，对所述BP神经网络的权值和阀值进行自适应修正，以提高所述BP神经网络输出的故障诊断结果的准确率和诊断效率。
6.一种电池系统故障诊断系统，其特征在于：它包括数据采集模块、神经网络故障诊断模块，其中：该数据采集模块用于采集电池系统的温度信号、湿度信号、电池电流信号、电池电压信号，该神经网络故障诊断模块用于基于采集的该温度信号、该湿度信号、该电池电流信号和该电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。
7.如权利要求6所述的电池系统故障诊断系统，其特征在于：
所述湿度信号为所述电池系统的电池箱内的湿度信号。
8.如权利要求6所述的电池系统故障诊断系统，其特征在于：
所述电池系统故障诊断系统还包括模糊化处理模块，该模糊化处理模块用于将采集的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，以得到作为所述BP神经网络的输入变量的故障征兆；
所述BP神经网络的输出变量为故障原因及其故障可能性。
9.如权利要求8所述的电池系统故障诊断系统，其特征在于：
所述故障征兆为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低，所述故障原因为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水。
10.如权利要求6所述的电池系统故障诊断系统，其特征在于：
所述电池系统故障诊断系统还包括数据库管理模块、神经网络自学习模块，该数据库管理模块包括检测值历史数据库、故障信息数据库、神经网络知识库，其中：
该检测值历史数据库用于存储所述数据采集模块实时采集的所述电池系统的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号；
该故障信息数据库用于存储所述BP神经网络输出的故障诊断结果；
该神经网络知识库用于存储预先训练好的所述BP神经网络的权值和阀值；
该神经网络自学习模块用于基于该检测值历史数据库存储的所述温度信号、所述湿度信号、所述电池电流信号、所述电池电压信号以及该故障信息数据库存储的所述BP神经网络输出的故障诊断结果，对该神经网络知识库存储的所述BP神经网络的权值和阀值进行自适应修正，以提高所述神经网络故障诊断模块的所述BP神经网络输出的故障诊断结果的准确率和诊断效率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310681337.9A CN104714175A (zh) | 2013-12-12 | 2013-12-12 | 电池系统故障诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310681337.9A CN104714175A (zh) | 2013-12-12 | 2013-12-12 | 电池系统故障诊断方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104714175A true CN104714175A (zh) | 2015-06-17 |
Family
ID=53413667
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310681337.9A Pending CN104714175A (zh) | 2013-12-12 | 2013-12-12 | 电池系统故障诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104714175A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105158697A (zh) * | 2015-08-26 | 2015-12-16 | 华北电力科学研究院有限责任公司 | 储能单元状态评估的方法及装置 |
| CN105372600A (zh) * | 2015-11-24 | 2016-03-02 | 珠海朗尔电气有限公司 | 一种基于大数据的蓄电池故障诊断的系统和方法 |
| CN106197854A (zh) * | 2016-06-27 | 2016-12-07 | 宁德时代新能源科技股份有限公司 | 一种电池包进水的判断方法和装置 |
| CN106682080A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种变压器故障分析方法及系统 |
| CN107192953A (zh) * | 2017-04-21 | 2017-09-22 | 华北电力大学 | 一种基于GA‑Elman的储能电池软故障诊断方法 |
| CN107192956A (zh) * | 2017-05-19 | 2017-09-22 | 北京理工大学 | 一种电池短路漏液在线监测方法和装置 |
| CN108357361A (zh) * | 2018-05-07 | 2018-08-03 | 中国科学技术大学 | 一种电动汽车动力电池安全监控装置及方法 |
| CN108388237A (zh) * | 2018-04-16 | 2018-08-10 | 广东工业大学 | 一种离散制造设备的故障诊断方法、装置、设备及介质 |
| CN108520339A (zh) * | 2018-03-23 | 2018-09-11 | 佛山科学技术学院 | 一种电力网络故障诊断系统及方法 |
| CN108825482A (zh) * | 2018-04-25 | 2018-11-16 | 中国航空工业集团公司北京长城航空测控技术研究所 | 一种飞机轴向柱塞泵的故障检测方法及检测系统 |
| CN109061495A (zh) * | 2018-08-07 | 2018-12-21 | 中国电建集团福建省电力勘测设计院有限公司 | 一种混合储能电池组故障诊断方法 |
| CN109378546A (zh) * | 2018-10-11 | 2019-02-22 | 深圳市欧姆阳科技有限公司 | 基于深度转移概率网络的锂电池泄漏管理方法及系统 |
| CN109884533A (zh) * | 2019-03-11 | 2019-06-14 | 北京百度网讯科技有限公司 | 电池故障的诊断方法及装置、设备及存储介质 |
| CN110861987A (zh) * | 2019-10-23 | 2020-03-06 | 日立楼宇技术（广州）有限公司 | 一种电梯故障判断逻辑验证方法、系统及存储介质 |
| CN111487950A (zh) * | 2020-04-24 | 2020-08-04 | 西安交通大学 | 在线预警和离线诊断的“预测-验证-反馈-优化”闭环系统 |
| CN112710956A (zh) * | 2020-12-17 | 2021-04-27 | 四川虹微技术有限公司 | 一种基于专家系统的电池管理系统故障检测系统及方法 |
| WO2022173384A1 (en) * | 2021-02-11 | 2022-08-18 | Eatron Yazilim Ve Muhendislik Teknolojileri A. S. | Early fault detection method for a battery |
| CN115267567A (zh) * | 2022-06-29 | 2022-11-01 | 中国第一汽车股份有限公司 | 一种物流agv电池移动远程监测系统、方法、计算机设备和存储介质 |
| CN116429339A (zh) * | 2023-06-07 | 2023-07-14 | 海斯坦普汽车组件(北京)有限公司 | 一种新能源电池盒泄露检测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6014012A (en) * | 1998-07-28 | 2000-01-11 | Ntt Power And Building Facilities Inc. | Apparatus for managing a battery unit having storage batteries |
| JP3944904B2 (ja) * | 2001-03-16 | 2007-07-18 | 株式会社ジーエス・ユアサコーポレーション | 蓄電池寿命診断装置および寿命診断方法 |
| CN101067644A (zh) * | 2007-04-20 | 2007-11-07 | 杭州高特电子设备有限公司 | 蓄电池性能分析专家诊断方法 |
| CN102759411A (zh) * | 2012-07-16 | 2012-10-31 | 力帆实业(集团)股份有限公司 | 一种电池包温度和湿度监测系统 |
| CN102998121A (zh) * | 2012-12-17 | 2013-03-27 | 天津职业技术师范大学 | 基于信息融合的发动机喷油量异常故障诊断方法 |
-
2013
- 2013-12-12 CN CN201310681337.9A patent/CN104714175A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6014012A (en) * | 1998-07-28 | 2000-01-11 | Ntt Power And Building Facilities Inc. | Apparatus for managing a battery unit having storage batteries |
| JP3944904B2 (ja) * | 2001-03-16 | 2007-07-18 | 株式会社ジーエス・ユアサコーポレーション | 蓄電池寿命診断装置および寿命診断方法 |
| CN101067644A (zh) * | 2007-04-20 | 2007-11-07 | 杭州高特电子设备有限公司 | 蓄电池性能分析专家诊断方法 |
| CN102759411A (zh) * | 2012-07-16 | 2012-10-31 | 力帆实业(集团)股份有限公司 | 一种电池包温度和湿度监测系统 |
| CN102998121A (zh) * | 2012-12-17 | 2013-03-27 | 天津职业技术师范大学 | 基于信息融合的发动机喷油量异常故障诊断方法 |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105158697A (zh) * | 2015-08-26 | 2015-12-16 | 华北电力科学研究院有限责任公司 | 储能单元状态评估的方法及装置 |
| CN105372600A (zh) * | 2015-11-24 | 2016-03-02 | 珠海朗尔电气有限公司 | 一种基于大数据的蓄电池故障诊断的系统和方法 |
| CN106197854A (zh) * | 2016-06-27 | 2016-12-07 | 宁德时代新能源科技股份有限公司 | 一种电池包进水的判断方法和装置 |
| CN106682080A (zh) * | 2016-11-21 | 2017-05-17 | 云南电网有限责任公司电力科学研究院 | 一种变压器故障分析方法及系统 |
| CN107192953A (zh) * | 2017-04-21 | 2017-09-22 | 华北电力大学 | 一种基于GA‑Elman的储能电池软故障诊断方法 |
| CN107192956A (zh) * | 2017-05-19 | 2017-09-22 | 北京理工大学 | 一种电池短路漏液在线监测方法和装置 |
| CN108520339A (zh) * | 2018-03-23 | 2018-09-11 | 佛山科学技术学院 | 一种电力网络故障诊断系统及方法 |
| CN108388237A (zh) * | 2018-04-16 | 2018-08-10 | 广东工业大学 | 一种离散制造设备的故障诊断方法、装置、设备及介质 |
| CN108825482A (zh) * | 2018-04-25 | 2018-11-16 | 中国航空工业集团公司北京长城航空测控技术研究所 | 一种飞机轴向柱塞泵的故障检测方法及检测系统 |
| CN108825482B (zh) * | 2018-04-25 | 2020-08-07 | 中国航空工业集团公司北京长城航空测控技术研究所 | 一种飞机轴向柱塞泵的故障检测方法及检测系统 |
| CN108357361A (zh) * | 2018-05-07 | 2018-08-03 | 中国科学技术大学 | 一种电动汽车动力电池安全监控装置及方法 |
| CN109061495A (zh) * | 2018-08-07 | 2018-12-21 | 中国电建集团福建省电力勘测设计院有限公司 | 一种混合储能电池组故障诊断方法 |
| CN109378546A (zh) * | 2018-10-11 | 2019-02-22 | 深圳市欧姆阳科技有限公司 | 基于深度转移概率网络的锂电池泄漏管理方法及系统 |
| CN109378546B (zh) * | 2018-10-11 | 2020-12-11 | 深圳市上欧新材料有限公司 | 基于深度转移概率网络的锂电池泄漏管理方法及系统 |
| CN109884533A (zh) * | 2019-03-11 | 2019-06-14 | 北京百度网讯科技有限公司 | 电池故障的诊断方法及装置、设备及存储介质 |
| CN109884533B (zh) * | 2019-03-11 | 2022-09-13 | 北京百度网讯科技有限公司 | 电池故障的诊断方法及装置、设备及存储介质 |
| CN110861987A (zh) * | 2019-10-23 | 2020-03-06 | 日立楼宇技术（广州）有限公司 | 一种电梯故障判断逻辑验证方法、系统及存储介质 |
| CN110861987B (zh) * | 2019-10-23 | 2021-06-08 | 日立楼宇技术（广州）有限公司 | 一种电梯故障判断逻辑验证方法、系统及存储介质 |
| CN111487950A (zh) * | 2020-04-24 | 2020-08-04 | 西安交通大学 | 在线预警和离线诊断的“预测-验证-反馈-优化”闭环系统 |
| CN111487950B (zh) * | 2020-04-24 | 2021-11-16 | 西安交通大学 | 在线预警和离线诊断的“预测-验证-反馈-优化”闭环系统 |
| CN112710956A (zh) * | 2020-12-17 | 2021-04-27 | 四川虹微技术有限公司 | 一种基于专家系统的电池管理系统故障检测系统及方法 |
| CN112710956B (zh) * | 2020-12-17 | 2023-08-04 | 四川虹微技术有限公司 | 一种基于专家系统的电池管理系统故障检测系统及方法 |
| WO2022173384A1 (en) * | 2021-02-11 | 2022-08-18 | Eatron Yazilim Ve Muhendislik Teknolojileri A. S. | Early fault detection method for a battery |
| CN115267567A (zh) * | 2022-06-29 | 2022-11-01 | 中国第一汽车股份有限公司 | 一种物流agv电池移动远程监测系统、方法、计算机设备和存储介质 |
| CN116429339A (zh) * | 2023-06-07 | 2023-07-14 | 海斯坦普汽车组件(北京)有限公司 | 一种新能源电池盒泄露检测方法及系统 |
| CN116429339B (zh) * | 2023-06-07 | 2023-09-01 | 海斯坦普汽车组件(北京)有限公司 | 一种新能源电池盒泄露检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104714175A (zh) | 电池系统故障诊断方法及系统 | |
| CN104237645B (zh) | 一种变电站直流系统绝缘状态在线监测系统和方法 | |
| CN203909156U (zh) | 电力设备绝缘性能测试系统 | |
| CN105319482A (zh) | 基于多源信息融合的配电网故障诊断系统及方法 | |
| CN102840918B (zh) | 输变电设备红外图谱管理及分析方法 | |
| CN103512619A (zh) | 一种变压器状态信息智能监控系统及方法 | |
| CN104483601A (zh) | 一种基于故障指示器的配电网故障定位方法 | |
| CN106779095B (zh) | 基于kmp算法的智能变电站设备软压板校核的方法 | |
| CN103439658A (zh) | 一种变流器的故障诊断方法和系统 | |
| CN103472331A (zh) | 一种基于光伏物理模型的光伏发电故障诊断系统 | |
| CN106603274B (zh) | 一种基于多维通信数据的配电网故障定位方法 | |
| CN104297577A (zh) | 基于超级电容器的老化状态估算检测系统及方法 | |
| CN107576871A (zh) | 需求侧电动汽车充电设备安全性能远程检测与诊断系统及方法 | |
| CN202025032U (zh) | 带有在线状态监测的电子式互感器 | |
| CN108303962A (zh) | 一种超声波熔接数据监测装置及方法 | |
| CN103353717B (zh) | 网络化综合智能插座及其实现方法 | |
| CN105978145A (zh) | 智能变电站二次系统信息融合系统 | |
| CN203595760U (zh) | 一种绝缘子安全状况检测系统 | |
| CN204882766U (zh) | 电网运行状态监测箱 | |
| CN104155613A (zh) | 一种电力通信蓄电池组的在线监测方法 | |
| CN103558482A (zh) | 一种变压器套管剩余寿命检测装置及方法 | |
| CN105676044A (zh) | 一种避雷器及其监测器在线试验方法与系统 | |
| CN205753645U (zh) | 一种光伏逆变器无线监控系统 | |
| CN104734345B (zh) | 用于纠正所采集的数据的装置和方法 | |
| CN202956222U (zh) | 基于无线测温的热缺陷检测系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150617 |
|
| WD01 | Invention patent application deemed withdrawn after publication |