CN109143091B - 基于双冗余的电池管理系统故障fdir系统及方法 - Google Patents

基于双冗余的电池管理系统故障fdir系统及方法 Download PDF

Info

Publication number
CN109143091B
CN109143091B CN201811195976.3A CN201811195976A CN109143091B CN 109143091 B CN109143091 B CN 109143091B CN 201811195976 A CN201811195976 A CN 201811195976A CN 109143091 B CN109143091 B CN 109143091B
Authority
CN
China
Prior art keywords
module
fault
management system
battery management
hardware
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.)
Active
Application number
CN201811195976.3A
Other languages
English (en)
Other versions
CN109143091A (zh
Inventor
周迅
黄勇
孟令锋
代高强
贾宗锐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Changhong Electric Co Ltd
Original Assignee
Sichuan Changhong Electric Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Changhong Electric Co Ltd filed Critical Sichuan Changhong Electric Co Ltd
Priority to CN201811195976.3A priority Critical patent/CN109143091B/zh
Publication of CN109143091A publication Critical patent/CN109143091A/zh
Application granted granted Critical
Publication of CN109143091B publication Critical patent/CN109143091B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/425—Structural combination with electronic components, e.g. electronic circuits integrated to the outside of the casing
    • H01M2010/4271—Battery management systems including electronic circuits, e.g. control of current or voltage to keep battery in healthy state, cell balancing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及电池管理系统技术领域，本发明是要解决现有电池管理系统故障的处理不够全面的问题，提出一种基于双冗余的电池管理系统故障FDIR系统及方法，基于双冗余的电池管理系统故障FDIR系统，包括第一数据采集模块、第二数据采集模块、解析冗余模块、硬件冗余模块和故障重构模块，第一数据采集模块与解析冗余模块连接，第二数据采集模块与硬件冗余模块连接，故障重构模块分别与硬件冗余模块和解析冗余模块连接；通过硬件冗余和解析冗余两种方式对电池管理系统进行检测、隔离和重构，不仅能够对电池组的故障进行相应的检测，还能够对电池管理系统的硬件故障进行处理，实现对电池管理系统的故障进行全面的处理，适用于电池管理系统。

Description

基于双冗余的电池管理系统故障FDIR系统及方法
技术领域
本发明涉及电池管理系统技术领域，具体来说涉及一种故障FDIR系统及方法。
背景技术
在当今新能源技术的发展过程中，电池作为储能设备已经被广泛应用于各类新能源产品当中，如新能源汽车、新能源船舶等。受限于电池的原材料及制造工艺，单体电池需要大规模的串并联使用才能组成电池组以满足新能源产品对容量、电压和电流的需求。如此也带来了串并联节数多、系统复杂、安全性和耐久性要求高等一系列问题，需要使用电池管理系统对电池组进行监测和管理，并对新能源技术中储能系统可能出现的故障进行预测和诊断。
故障处理一般包括故障检测、隔离与重构(fault detection，isolation andreconstruction，简称FDIR)，当故障发生时，可以通过FDIR技术对故障进行诊断和隔离，判断故障发生的位置和性质，并通过重构的方法来解决故障。传统的FDIR技术通过解析冗余可以对电池组进行单向电流、电压、温度进行检测，判断系统中电池组存在的故障，并进行隔离，但是无法对电池管理系统的硬件故障进行检测和处理，无法保证电池管理系统的安全性和可靠性。
发明内容
本发明的目的是要解决现有电池管理系统故障的处理不够全面的问题，提出一种基于双冗余的电池管理系统故障FDIR系统及方法。
本发明解决上述技术问题所采用的技术方案是：基于双冗余的电池管理系统故障FDIR系统，包括：第一数据采集模块、第二数据采集模块、解析冗余模块、硬件冗余模块和故障重构模块，所述第一数据采集模块与解析冗余模块连接，所述第二数据采集模块与硬件冗余模块连接，所述故障重构模块分别与硬件冗余模块和解析冗余模块连接；
第一数据采集模块，用于采集电池组的运行数据，发送给解析冗余模块；
第二数据采集模块，用于采集电池管理系统的硬件状态数据，发送给硬件冗余模块；
解析冗余模块，用于对接收到的运行数据进行解析，得到电池组的故障检测结果，对故障进行隔离，并将电池组的故障检测结果发送至故障重构模块；
硬件冗余模块，用于接收硬件状态数据，对电池管理系统的硬件状态进行检测，得到电池管理系统的硬件故障检测结果并将其发送至故障重构模块；
故障重构模块，用于接收电池组及电池管理系统的故障检测结果，并对电池管理系统进行相应的重构处理。
进一步的，为解决主控制模块故障，所述基于双冗余的电池管理系统故障FDIR系统包括主控制模块，所述硬件冗余模块还包括备用控制模块和应急控制端，所述应急控制端分别与主控制模块和备用控制模块连接，所述备用控制模块与主控制模块连接；
备用控制模块，用于代替发生故障的主控制模块进行控制；
应急控制端，用于当电池管理系统发生硬件故障，主控制模块无法正常工作时，控制备用控制模块接入。
进一步的，为解决主存储器故障，所述基于双冗余的电池管理系统故障FDIR系统包括主存储器，所述硬件冗余模块还包括冗余存储器，所述冗余存储器与主存储器连接；
冗余存储器，用于当主存储器发生硬件故障时，接收系统信息，当主存储器恢复后，将冗余存储器的信息备份至主存储器。
具体的，为对电池组及电池管理系统进行全面检测，所述第一数据采集模块包括电压数据采集模块、电流数据采集模块和温度数据采集模块，第二数据采集模块包括线束故障检测模块和绝缘检测模块；
电压数据采集模块，用于采集电池组的单体电压和总电压；
电流数据采集模块，用于采集电池组的电流；
温度数据采集模块，用于采集电池组的温度；
线束故障检测模块，用于检测电池管理系统的线束故障；
绝缘检测模块，用于检测电池管理系统的绝缘故障。
为解决现有电池管理系统故障的处理不够全面的问题，本发明还提供一种基于双冗余的电池管理系统故障FDIR方法，应用于上述基于双冗余的电池管理系统故障FDIR系统，所述方法包括以下步骤：
S1.第一数据采集模块采集电池组的运行数据并发送至解析冗余模块，第二数据采集模块采集电池管理系统的硬件状态数据并发送至硬件冗余模块；
S2.解析冗余模块对电池组的运行数据进行解析，得到电池组的故障检测结果，对故障进行隔离，并将电池组的故障检测结果发送至故障重构模块；
S3.硬件冗余模块对电池管理系统的硬件状态进行检测，得到电池管理系统的故障检测结果并将其发送至故障重构模块；
S4.故障重构模块接收所述故障检测结果，并对故障进行修复或对电池管理系统进行相应的重构处理。
具体的，为对电池组的故障进行准确的判断及分类，所述步骤S2中，采用Adaboost分类器对运行数据进行解析，对电池组的故障进行分类；
所述电池组的故障检测结果包括是否存在故障、故障的类型和发生故障的电池组编号。
进一步的，为节约研发成本，所述Adaboost分类器的训练包括以下步骤：
S21.给定训练样本，并对样本权重进行初始化；
S22.给定需要循环迭代的次数T，完成每一次的迭代，每次迭代的步骤包括：
S221.样本权重归一化，使得每一轮迭代权重都服从概率分布；
S222.对应特征向量，训练一个弱分类器；
S223.选择相对每一个样本分类误差最少的分类器作为最优的弱分类器；
S224.判断是否达到给定的迭代次数T，若是则进入步骤c，否则，更新样本权重，并返回步骤S221；
S23.将每次迭代所得到的最优的弱分类器组合起来，得到强分类器。
进一步的，为解决主控制模块故障，所述步骤S3中，还包括：
当电池管理系统发生硬件故障，主控制模块无法正常工作时，应急控制端控制备用控制模块接入，备用控制模块代替主控制模块进行控制。
进一步的，为解决主存储器故障，所述步骤S3中，还包括：
当主存储器发生硬件故障时，通过冗余存储器接收系统信息，当主存储器恢复后，将冗余存储器的信息备份至主存储器。
具体的，为对电池管理系统硬件状态进行有效检测，所述硬件故障包括线束故障和/或绝缘故障。
本发明的有益效果是：本发明所述的基于双冗余的电池管理系统故障FDIR系统及方法，通过硬件冗余和解析冗余两种方式对电池管理系统进行检测、隔离和重构，不仅能够对电池组运行数据体现出的故障进行相应的处理，还能够对电池管理系统的硬件故障进行检测和处理，实现对电池管理系统的故障进行全面的处理，此外，当主控制模块或主存储器发生故障时，可通过备用控制模块或冗余存储器维持电池管理系统的正常运行，保障了电池管理系统的运行的安全性和可靠性。
附图说明
图1为本发明实施例所述的基于双冗余的电池管理系统故障FDIR系统的结构示意图。
具体实施方式
下面将结合附图对本发明的实施方式进行详细描述。
本发明所述的基于双冗余的电池管理系统故障FDIR系统，包括：第一数据采集模块、第二数据采集模块、解析冗余模块、硬件冗余模块和故障重构模块，所述第一数据采集模块与解析冗余模块连接，所述第二数据采集模块与硬件冗余模块连接，所述故障重构模块分别与硬件冗余模块和解析冗余模块连接；
第一数据采集模块采集电池组的运行数据并发送至解析冗余模块，解析冗余模块对电池组的运行数据进行解析以及对故障进行隔离，并将电池组的故障检测结果发送至故障重构模块，故障重构模块对于可修复的故障进行在线修复，第二数据采集模块采集电池管理系统的硬件状态数据，硬件冗余模块接收硬件状态，对电池管理系统的硬件状态进行检测，得到电池管理系统的硬件故障检测结果并将其发送至故障重构模块，故障重构模块根据电池管理系统的硬件故障对其进行相应的重构处理。
实施例
本发明实施例所述的基于双冗余的电池管理系统故障FDIR系统，如图1所示，包括第一数据采集模块、第二数据采集模块、解析冗余模块、硬件冗余模块和故障重构模块，第一数据采集模块与解析冗余模块连接，第二数据采集模块与硬件冗余模块连接，故障重构模块分别与硬件冗余模块和解析冗余模块连接；
第一数据采集模块，用于采集电池组的运行数据，发送给解析冗余模块；
第二数据采集模块，用于采集电池管理系统的硬件状态数据，发送给硬件冗余模块；
解析冗余模块，用于对接收到的运行数据进行解析，得到电池组的故障检测结果，对故障进行隔离，并将电池组的故障检测结果发送至故障重构模块；
硬件冗余模块，用于接收硬件状态数据，对电池管理系统的硬件状态进行检测，得到电池管理系统的硬件故障检测结果并将其发送至故障重构模块；
故障重构模块，用于接收电池组及电池管理系统的故障检测结果，并对电池管理系统进行相应的重构处理。
本实施例中的第一数据采集模块与电池组连接，第一数据采集模块可以包括：电压数据采集模块、电流数据采集模块和温度数据采集模块，用于采集电池组的单体电压和总电压、电流和温度；第二数据采集模块与电池管理系统BMS连接，第二数据采集模块一般为冗余传感器，可以包括线束故障检测模块和绝缘检测模块，用于检测电池管理系统的硬件故障，硬件故障包括线束故障和绝缘故障，采用多个采集模块，可实现对电池管理系统进行全面的故障检测。
本实施例所述的硬件冗余模块还可以包括备用控制模块和应急控制端，应急控制端分别与主控制模块和备用控制模块连接，备用控制模块与主控制模块连接，备用控制模块的控制接口与主控制模块的控制接口所连接的外围控制电路一致，应急控制端用于控制主控制模块、备用控制模块工作，当检测到主控制模块存在硬件故障后，应急控制端控制备用控制模块接入，备用控制模块代替主控制模块进行控制操作，维持电池管理系统的正常工作。
本实施例所述的硬件冗余模块还可以包括冗余存储器，冗余存储器与主存储器连接，冗余存储器与主存储器均与控制模块连接，当检测到主存储器存在硬件故障后，冗余存储器接收及存储系统消息，维持电池管理系统的正常工作，当主存储器的故障排除，恢复正常工作状态后，将存储至冗余存储器的信息备份至主存储器，避免系统信息异常。
为解决现有电池管理系统故障的处理不够全面的问题，本发明还提供一种基于双冗余的电池管理系统故障FDIR方法，应用于上述基于双冗余的电池管理系统故障FDIR系统，所述方法包括以下步骤：
S1.第一数据采集模块采集电池组的运行数据并发送至解析冗余模块，第二数据采集模块采集电池管理系统的硬件状态数据并发送至硬件冗余模块；
S2.解析冗余模块对电池组的运行数据进行解析，得到电池组的故障检测结果，对故障进行隔离，并将电池组的故障检测结果发送至故障重构模块；
S3.硬件冗余模块对电池管理系统的硬件状态进行检测，得到电池管理系统的故障检测结果并将其发送至故障重构模块；
S4.故障重构模块接收所述故障检测结果，并对故障进行修复或对电池管理系统进行相应的重构处理。
上述步骤S3中，还可以包括：当电池管理系统发生硬件故障，主控制模块无法正常工作时，应急控制端控制备用控制模块接入，备用控制模块代替主控制模块进行控制。
上述步骤S3中，还可以包括：当主存储器发生硬件故障时，通过冗余存储器接收系统信息，当主存储器恢复后，将冗余存储器的信息备份至主存储器。
对于方法而言，由于其与系统基本相似，所述描述的比较简单，相关之处参见上述基于双冗余的电池管理系统故障FDIR系统的部分说明即可，此处不再赘述。
本实施例中解析冗余模块可以采用Adaboost分类器对运行数据进行解析，对故障进行分类，以判断是否存在故障、故障的类型以及发生故障的电池组编号，其原理是将不同的弱分类器组合在一起形成一个强分类器，其综合了这些不同弱分类器的优点，因此具有很好的故障分类效果，从而得到电池组的故障检测结果并上报给故障重构模块。
使用Adaboost算法对运行数据进行解析，例如，将电池组编号、单体电压、总电压、电流、温度、故障类型等数据组成一个六维特征向量xi，并按照实际采样情况将样本分为正样本、负样本，其中正样本为未发生故障，负样本为发生故障，Adaboost分类器的具体训练步骤如下：
1.给定训练样本(x1,y1),(x2,y2),...(xn,yn)，yi∈{-1,+1}，yi＝+1代表正样本，yi＝-1代表负样本，n代表样本数量；
2.对样本做权重初始化，权重W＝wi＝1/n；
3.给定需要循环迭代的次数T，完成每一次的迭代，每次迭代的步骤包括：
(1).样本权重归一化，
Figure BDA0001828749840000061
使得每一轮迭代权重都服从概率分布；
(2).对应每一个样本的特征向量，均训练一个弱分类器，该分类器的误差为：
Figure BDA0001828749840000062
(3).选择相对每一个样本分类误差最少的分类器作为最优的弱分类器；
(4).判断是否达到给定的迭代的次数T，若是，则进入步骤4，否则按照公式wt+1＝wi,texp(-αtyiht(xi))更新样本权重，并返回步骤(1)，其中，αt＝ln((1-εt)/εt)。
4.将每次迭代所得到的最优的弱分类器组合起来，生成强分类器：
Figure BDA0001828749840000063
训练完成的Adaboost分类器，即可用来进行故障数据进行分类。

Claims (10)

1.基于双冗余的电池管理系统故障FDIR系统，其特征在于，包括：第一数据采集模块、第二数据采集模块、解析冗余模块、硬件冗余模块和故障重构模块，所述第一数据采集模块与解析冗余模块连接，所述第二数据采集模块与硬件冗余模块连接，所述故障重构模块分别与硬件冗余模块和解析冗余模块连接；
第一数据采集模块，用于采集电池组的运行数据，发送给解析冗余模块；
第二数据采集模块，用于采集电池管理系统的硬件状态数据，发送给硬件冗余模块；
解析冗余模块，用于对接收到的运行数据进行解析，得到电池组的故障检测结果，对故障进行隔离，并将电池组的故障检测结果发送至故障重构模块；
硬件冗余模块，用于接收硬件状态数据，对电池管理系统的硬件状态进行检测，得到电池管理系统的硬件故障检测结果并将其发送至故障重构模块；
故障重构模块，用于接收电池组及电池管理系统的故障检测结果，并对电池管理系统进行相应的重构处理。
2.如权利要求1所述的基于双冗余的电池管理系统故障FDIR系统，包括主控制模块，其特征在于，所述硬件冗余模块还包括备用控制模块和应急控制端，所述应急控制端分别与主控制模块和备用控制模块连接，所述备用控制模块与主控制模块连接；
备用控制模块，用于代替发生故障的主控制模块进行控制；
应急控制端，用于当电池管理系统发生硬件故障，主控制模块无法正常工作时，控制备用控制模块接入。
3.如权利要求1所述的基于双冗余的电池管理系统故障FDIR系统，包括主存储器，其特征在于，所述硬件冗余模块还包括冗余存储器，所述冗余存储器与主存储器连接；
冗余存储器，用于当主存储器发生硬件故障时，接收系统信息，当主存储器恢复后，将冗余存储器的信息备份至主存储器。
4.如权利要求1所述的基于双冗余的电池管理系统故障FDIR系统，其特征在于，所述第一数据采集模块包括电压数据采集模块、电流数据采集模块和温度数据采集模块，第二数据采集模块包括线束故障检测模块和绝缘检测模块；
电压数据采集模块，用于采集电池组的单体电压和总电压；
电流数据采集模块，用于采集电池组的电流；
温度数据采集模块，用于采集电池组的温度；
线束故障检测模块，用于检测电池管理系统的线束故障；
绝缘检测模块，用于检测电池管理系统的绝缘故障。
5.基于双冗余的电池管理系统故障FDIR方法，其特征在于，应用于如权利要求1至4任一项所述的基于双冗余的电池管理系统故障FDIR系统，所述方法包括以下步骤：
S1.第一数据采集模块采集电池组的运行数据并发送至解析冗余模块，第二数据采集模块采集电池管理系统的硬件状态数据并发送至硬件冗余模块；
S2.解析冗余模块对电池组的运行数据进行解析，得到电池组的故障检测结果，对故障进行隔离，并将电池组的故障检测结果发送至故障重构模块；
S3.硬件冗余模块对电池管理系统的硬件状态进行检测，得到电池管理系统的故障检测结果并将其发送至故障重构模块；
S4.故障重构模块接收电池组及电池管理系统的所述故障检测结果，并对故障进行修复或对电池管理系统进行相应的重构处理。
6.如权利要求5所述的基于双冗余的电池管理系统故障FDIR方法，其特征在于，所述步骤S2中，采用Adaboost分类器对运行数据进行解析，对电池组的故障进行分类；
所述电池组的故障检测结果包括是否存在故障、故障的类型和发生故障的电池组编号。
7.如权利要求6所述的基于双冗余的电池管理系统故障FDIR方法，其特征在于，所述Adaboost分类器的训练包括以下步骤：
S21.给定训练样本，并对样本权重进行初始化；
S22.给定需要循环迭代的次数T，完成每一次的迭代，每次迭代的步骤包括：
S221.样本权重归一化，使得每一轮迭代权重都服从概率分布；
S222.对应特征向量，训练一个弱分类器；
S223.选择相对每一个样本分类误差最少的分类器作为最优的弱分类器；
S224.判断是否达到给定的迭代次数T，若是则进入步骤23，否则，更新样本权重，并返回步骤S221；
S23.将每次迭代所得到的最优的弱分类器组合起来，得到强分类器。
8.如权利要求5所述的基于双冗余的电池管理系统故障FDIR方法，其特征在于，所述步骤S3中，还包括：
当电池管理系统发生硬件故障，主控制模块无法正常工作时，应急控制端控制备用控制模块接入，备用控制模块代替主控制模块进行控制。
9.如权利要求5所述的基于双冗余的电池管理系统故障FDIR方法，其特征在于，所述步骤S3中，还包括：
当主存储器发生硬件故障时，通过冗余存储器接收系统信息，当主存储器恢复后，将冗余存储器的信息备份至主存储器。
10.如权利要求5至9任一项所述的基于双冗余的电池管理系统故障FDIR方法，其特征在于，所述硬件故障包括线束故障和/或绝缘故障。
CN201811195976.3A 2018-10-15 2018-10-15 基于双冗余的电池管理系统故障fdir系统及方法 Active CN109143091B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811195976.3A CN109143091B (zh) 2018-10-15 2018-10-15 基于双冗余的电池管理系统故障fdir系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811195976.3A CN109143091B (zh) 2018-10-15 2018-10-15 基于双冗余的电池管理系统故障fdir系统及方法

Publications (2)

Publication Number Publication Date
CN109143091A CN109143091A (zh) 2019-01-04
CN109143091B true CN109143091B (zh) 2020-12-29

Family

ID=64811873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811195976.3A Active CN109143091B (zh) 2018-10-15 2018-10-15 基于双冗余的电池管理系统故障fdir系统及方法

Country Status (1)

Country Link
CN (1) CN109143091B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110146817A (zh) * 2019-05-13 2019-08-20 上海博强微电子有限公司 锂电池故障的诊断方法
CN111157899B (zh) * 2020-01-20 2022-09-13 南京邮电大学 一种基于模型融合思想对电池soc的估计方法
CN111422098A (zh) * 2020-03-10 2020-07-17 深圳市德塔防爆电动汽车有限公司 防爆汽车电池安全管理方法及系统
DE102020210866A1 (de) * 2020-08-28 2022-03-03 Robert Bosch Gesellschaft mit beschränkter Haftung Vorrichtung zur Erfassung und Verarbeitung einer Messgröße eines Sensors in einem Kraftfahrzeug
CN113415165B (zh) * 2021-06-30 2022-01-18 中国第一汽车股份有限公司 一种故障诊断方法、装置、电子设备及存储介质
CN114497769B (zh) * 2022-01-25 2023-09-22 四川启睿克科技有限公司 双冗余锂电池管理系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1477404A (zh) * 2002-06-11 2004-02-25 通用电气公司 燃料电池系统故障检测方法和装置
CN101549707A (zh) * 2009-05-15 2009-10-07 奇瑞汽车股份有限公司 一种汽车线控转向的冗余及容错系统及控制方法
CN101916218A (zh) * 2010-08-10 2010-12-15 西安电子科技大学 基于解析冗余机制的双cpu冗余控制系统
CN103336877A (zh) * 2013-07-25 2013-10-02 哈尔滨工业大学 一种基于rvm动态可重构的卫星锂离子电池剩余寿命预测系统及方法
CN107291003A (zh) * 2017-05-10 2017-10-24 上海空间电源研究所 一种空间用电源管理微系统架构

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1477404A (zh) * 2002-06-11 2004-02-25 通用电气公司 燃料电池系统故障检测方法和装置
CN101549707A (zh) * 2009-05-15 2009-10-07 奇瑞汽车股份有限公司 一种汽车线控转向的冗余及容错系统及控制方法
CN101916218A (zh) * 2010-08-10 2010-12-15 西安电子科技大学 基于解析冗余机制的双cpu冗余控制系统
CN103336877A (zh) * 2013-07-25 2013-10-02 哈尔滨工业大学 一种基于rvm动态可重构的卫星锂离子电池剩余寿命预测系统及方法
CN107291003A (zh) * 2017-05-10 2017-10-24 上海空间电源研究所 一种空间用电源管理微系统架构

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
燃料电池发动机多传感器的故障诊断与容错技术研究;宋娟;《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》;20060815(第08期);第I140-442页 *

Also Published As

Publication number Publication date
CN109143091A (zh) 2019-01-04

Similar Documents

Publication Publication Date Title
CN109143091B (zh) 基于双冗余的电池管理系统故障fdir系统及方法
CN110224160B (zh) 一种燃料电池系统故障诊断方法
Ibrahim et al. Machine learning techniques for satellite fault diagnosis
EP4198531A1 (en) Battery cell defectiveness and fire early diagnosis method and apparatus based on neural network
CN113111591B (zh) 基于模块化配电终端内部故障自动诊断方法、装置及设备
Baptista et al. Classification prognostics approaches in aviation
CN112766618A (zh) 异常预测方法及装置
CN115112372A (zh) 轴承故障诊断方法、装置、电子设备及存储介质
Li et al. An optimal stacking ensemble for remaining useful life estimation of systems under multi-operating conditions
CN107862375A (zh) 一种两阶段的设备故障诊断方法
Mao et al. An Applicable Minor Short-circuit Fault Diagnosis Method for Automotive Lithium-ion Batteries based on Extremum Sample Entropy
Trinh et al. Application of Artificial Intelligence in Detecting and Classifying Faults of Solar Panels
Dong et al. Deep learning based multiple sensors monitoring and abnormal discovery for satellite power system
Chokr et al. Feature extraction-reduction and machine learning for fault diagnosis in PV panels
Guo et al. Early diagnosis of battery faults through an unsupervised health scoring method for real-world applications
CN113052233A (zh) 基于大数据和神经网络的火电站设备故障预警系统及方法
Zhao et al. Reliable Life Prediction and Evaluation Analysis of Lithium-ion Battery Based on Long-Short Term Memory Model
Qian et al. EMD-KPCA based Short Circuit Fault Diagnosis Method for Battery Pack
Gupta et al. A deep bi-LSTM based fault detection algorithm for WSNs
CN117407824B (zh) 一种电力时间同步装置的健康检测方法、设备和介质
WO2023249169A1 (ko) 비지도 학습 기반의 배터리 이상 예측 방법 및 시스템
Gu et al. An Early Multi-Fault Diagnosis Method of Lithium-ion Battery Based on Data-Driven
Pirani et al. A pattern recognition approach for enhancing lifecycle maintainability of battery systems
Li et al. Adversarial One-Class Novelty Detection for Robust Battery Thermal Runaway Prognostic of Electric Vehicles
CN117743970A (zh) 基于ai数据重构和整数优化的退役电池热失控预警方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant