DE102004004280A1

DE102004004280A1 - Verfahren zur Diagnose von Batterien

Info

Publication number: DE102004004280A1
Application number: DE102004004280A
Authority: DE
Inventors: Konrad Aigner
Original assignee: Audi AG
Current assignee: Audi AG
Priority date: 2004-01-27
Filing date: 2004-01-27
Publication date: 2005-08-18
Anticipated expiration: 2024-01-28
Also published as: DE102004004280B4

Abstract

Bei einem Verfahren zur Diagnose einer Batterie wird mittels Batteriekenngrößen einer Referenzbatterie ein Batteriezustandsmodell in einem neuronalen Netz abgebildet. Der Funktionszustand der Batterie wird anhand eines unter Verwendung des neuronalen Netzes durchgeführten Vergleichs des Batteriezustandsmodells mit dem durch Messwerte der Batteriekenngrößen ermittelten Istzustand der Batterie bestimmt.

Description

Die Erfindung betrifft ein Verfahren zur Diagnose von Batterien.

Für einen zuverlässigen Betrieb von elektrischen Verbrauchern muss insbesondere deren Energieversorgung kontinuierlich gewährleistet sein; bsp. muss in der Konsumindustrie bei Handys oder Ladegeräten, insbesondere aber in der Automobilindustrie bei Kraftfahrzeugen aufgrund des zunehmendem Einsatzes sicherheitsrelevanter elektrischer Verbraucher in Kraftfahrzeugen (bsp. elektrohydraulische Bremsen, Insassenrückhaltesysteme o.ä.) eine permanente Energieversorgung sichergestellt werden. Dies ist jedoch bei zur Energieversorgung eingesetzten Batterien oftmals problematisch, da übliche Batterien prinzipbedingt nur eine begrenzte Lebensdauer besitzen; demzufolge sind bereits eine Vielzahl von Diagnoseverfahren zur Bestimmung des Funktionszustands von Batterien bekannt, die durch messtechnische Erfassung und Auswertung bestimmter Batterieparameter den Alterungszustand der Batterie von Kraftfahrzeugen – wie bsp. in der DE 199 36 542 C2 beschrieben – oder den Ladezustand der Batterie (SOC „State of Charge") – wie bsp. in der DE 100 56 971 A1 oder in der DE 100 36 341 A1 beschrieben – oder den Gesundheitszustand der Batterie (SOH „State of Health") – wie bsp. in der DE 101 18 916 A1 beschrieben – ermitteln.

Allerdings sind die bekannten Diagnoseverfahren aufgrund der Vielzahl der den Funktionszustand der Batterie beeinflussenden und oftmals nur schwer zu erfassenden oder als solche zu erkennenden Faktoren (bsp. Alterung, Abschlämmung, Sulfatierung und dgl.) in einem großen Bereich ungenau und unzuverlässig. Falls der ermittelte Funktionszustand der Batterie als Grundlage für eine Entscheidung über den Batteriewechsel herangezogen wird, kann dies oftmals zu Fehldiagnosen führen; insbesondere können noch funktionsfähige Batterien irrtümlicherweise als defekt angezeigt und daraufhin ausgetauscht werden, während bereits entladene und damit defekte Batterien irrtümlicherweise als noch funktionsfähig angezeigt werden.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur Diagnose von Batterien anzugeben, durch das auf einfache Weise der Funktionszustand einer Batterie zuverlässig und mit geringen Kosten bereitgestellt wird.

Diese Aufgabe wird erfindungsgemäß durch das Kennzeichen des Patentanspruchs 1 gelöst.

Vorteilhafte Ausgestaltungen der Erfindung sind Bestandteil der weiteren Patentansprüche.

Erfindungsgemäß wird zur Gewährleistung einer zuverlässigen Diagnose der Leistungsfähigkeit einer Batterie der Funktionszustand der Batterie unter Verwendung eines in einem neuronalen Netz abgebildeten Batteriezustandsmodells ermittelt, das vorzugsweise in einer hierfür geeigneten, mit der Batterie verbundenen Steuereinheit, insbesondere einem Steuergerät (bsp. einem Steuergerät für das Batterieenergiemanagement eines Kraftfahrzeugs) implementiert ist. Mittels des auf der Grundlage bestimmter Batteriekenngrößen dargestellten und damit das Batterieverhalten charakterisierenden Batteriezustandsmodells wird ein Vergleich mit dem auf der Grundlage von Messwerten der Batteriekenngrößen ermittelten Istzustand der Batterie durchgeführt und hieraus reproduzierbar auf den Funktionszustand der Batterie während des Gebrauchs geschlossen. Hierbei wird für das Batteriezustandsmodell eine Referenzbatterie mit definierten Eigenschaften als Vergleichsmaßstab herangezogen, d.h. die hierbei berücksichtigten Batteriekenngrößen der Referenzbatterie werden in das neuronale Netz abgebildet. Für das Batteriezustandsmodell wird zumindest das Batterieverhalten einer neuen voll funktionsfähigen (idealen) Batterie als Referenzbatterie berücksichtigt, bsp. auf der Grundlage der Batteriekenngrößen einer Referenzbatterie bei der Herstellung des elektrischen Verbrauchers (bsp. bei der Herstellung eines Kraftfahrzeugs beim Einbau am Band) oder einer in einer autorisierten Zentralstelle (bsp. in einer Kraftfahrzeugwerkstatt) vorhandenen Referenzbatterie. Optional kann das Batteriezustandsmodell durch Adaption des neuronalen Netzes dahingehend erweitert werden, dass der momentane Istzustand einer Batterie während des Gebrauchs (d.h. der reale Batteriezustand) ebenfalls im neuronalen Netz abgebildet und abgespeichert wird; hierdurch wird als Referenzbatterie neben der neuen voll funktionsfähigen (idealen) Batterie zusätzlich eine reale Batterie und deren Batterieverhalten bei dem den Funktionszustand der Batterie charakterisierenden Vergleich mit dem Istzustand der Batterie berücksichtigt.

Das Batteriezustandsmodell wird mittels eines geeigneten Lernalgorithmus in einem Einlernvorgang in das neuronale Netz implementiert. Als Basis für den Einlernvorgang werden von der Batterie verschiedene, bsp. in Messvektoren zusammengefasste, Messwerte bestimmter Batteriekenngrößen in unterschiedlichen Betriebszuständen ermittelt, insbesondere die Messwerte bestimmter Batteriekenngrößen bei einer funktionsfähigen („gesunden") Batterie als Referenzbatterie, insbesondere auch unter Einbeziehung von die Historie der Batterie (insbesondere Alter und zurückliegende Entladevorgänge) berücksichtigenden Batteriekenngrößen. Im Einlernvorgang wird dem neuronalen Netz mit den hieraus gewonnenen Trainingsdaten durch Anlernen das Verhalten einer neuen funktionsfähigen („gesunden") Batterie oder zusätzlich das Verhalten einer realen Batterie aufgeprägt (Verwendung der realen Batterie als zusätzliche Referenzbatterie). Bsp. werden als Batteriekenngrößen die Batteriespannung (bsp. Batterie voll geladen, Batterie zur Hälfte geladen, Entladeschlussspannung der Batterie erreicht) und/oder der Batteriestrom (bsp. hoher Batteriestrom, geringer Batteriestrom) und/oder die Batterietemperatur (hohe Batterietemperatur, geringe Batterietemperatur) und/oder die Zykli sierung (wie oft wurde die Batterie wie weit entladen, insbesondere wie oft bis zur Entladeschlussspannung tiefentladen) und/oder der Batterieinnenwiderstand und/oder die Batteriesäuredichte und/oder oder die Batteriesäureschichtung herangezogen. Als Lernalgorithmus zum Trainieren des neuronalen Netzes im Einlernvorgang kann ein Standardalgorithmus oder ein frei definierter Algorithmus verwendet werden. Der Einlernvorgang kann hierbei entweder innerhalb des elektrischen Verbrauchers selbst in einem online-Modus durchgeführt werden, wobei der Einlernvorgang automatisch (selbststartend) nach Einbau der Batterie durch einen selbstlernenden Algorithmus anhand von Messwerten für die verwendeten Batteriekenngrößen (die insbesondere die Historiendaten der Batterie, bsp. den aktuellen Ladezustand der Batterie berücksichtigen) beginnen kann, d.h. die Messwerte der Batteriekenngrößen werden unter Verwendung geeigneter Sensoren, bsp. Sensoren zur Erfassung der Batteriespannung und/oder des Batteriestroms und/oder der Batterietemperatur ermittelt; alternativ hierzu kann der Einlernvorgang außerhalb des elektrischen Verbrauchers in einem offline-Modus erfolgen, bei dem an einer gesunden Batterie außerhalb des elektrischen Verbrauchers real ermittelte Messvektoren für die jeweiligen Batteriekenngrößen der jeweiligen Batterie verwendet werden.

Da sich der Zustand der Batterie während des Gebrauchs und damit der Lebensdauer durch Alterungseffekte verschlechtert, wird das im neuronalen Netz durch den Einlernvorgang abgebildete Batteriezustandsmodell mit einer vorgegebenen zeitlichen Häufigkeit mit dem aktuellen Istzustand (Betriebszustand) der verwendeten (realen) Batterie verglichen; der Vergleich erfolgt hierbei bsp. kontinuierlich oder in bestimmten zeitlichen Intervallen während des Gebrauchs der Batterie (und damit der elektrischen Verbraucher) und auch während Standzeiten der Batterie (und damit der elektrischen Verbraucher), bsp. während des Betriebs und während der Standzeiten eines Kraftfahrzeugs. Auf Basis dieses Vergleichs kann durch Skalierung ein bestimmter Zahlenwert (Batteriezustandswert) als Maß für den Funktionszustand der Batterie gewonnen werden, der bsp. Werte in nerhalb eines bestimmten Wertebereichs annehmen kann, bsp. Werte von 0 % bis 100 % oder Werte zwischen 0 und 1. Falls der Batteriezustandswert als Maß für die Abweichung zwischen dem Batteriezustandsmodell und dem Istzustand der Batterie einen bestimmten vorgegebenen Schwellwert noch nicht erreicht hat oder sich noch innerhalb eines vorgegebenen Wertebereichs befindet, wird die Batterie als funktionsfähig (intakt oder „gesund") charakterisiert; falls der Batteriezustandswert den vorgegebenen Schwellwert oder eine der Bereichsgrenzen des vorgegebenen Wertebereichs erreicht, wird die Batterie als nicht funktionsfähig (defekt) charakterisiert. Der hieraus ermittelte Funktionszustand der Batterie kann durch eine geeignete Anzeigevorrichtung (bsp. eine optische oder akustische Anzeigevorrichtung in einem Kraftfahrzeug) dem Benutzer des elektrischen Verbrauchers oder einer Reparaturwerkstätte (bsp. einer Kraftfahrzeugwerkstatt im Rahmen einer Diagnose des Kraftfahrzeugs) signalisiert werden, insbesondere kann diese Anzeigevorrichtung auch als Batteriewechselanzeige realisiert werden.

Mit dem vorgestellten Verfahren ist eine einfache und kostengünstige sowie zuverlässige Bestimmung des Funktionszustands und damit der Diagnose einer Batterie möglich, da mittels des auf Basis des Batteriezustandsmodells durch das neuronale Netz durchgeführten Vergleichs mit der realen Batterie während der Lebensdauer der Batterie auftretende, den Batteriezustand verschlechternde Alterungseffekte festgestellt werden können. Darüber hinaus kann auch das Ausmaß der Alterungseffekte bei einer geeigneten Skalierung der auf Basis des Vergleichs ermittelten Abweichung des Istzustands der Batterie vom Batteriezustandsmodell (bsp. durch den Batteriezustandswert) quantitativ erfasst werden und somit eine Aussage darüber getroffen werden, welche (Rest-)Lebensdauer für die Batterie zu erwarten ist.

Das Batteriezustandmodell kann weiterhin bei Modellrechnungen zur Modellierung der elektrischen Komponente Batterie herangezogen werden, d.h. als Grundlage für Berechnungen mit der durch das Batteriezustandsmodell jeweils charakterisierten Batterie dienen.

Im Zusammenhang mit der Zeichnung soll ein Ausführungsbeispiel der Erfindung erläutert werden.
Hierbei zeigt:
1 eine schematische Darstellung des Einlernvorgangs des neuronalen Netzes,
2 eine schematische Darstellung der Diagnose der Batterie eines Kraftfahrzeugs unter Verwendung des neuronalen Netzes.
In der 1 ist schematisch für die Batterie eines Kraftfahrzeugs ein bsp. in einem offline-Modus (und damit auf Basis von außerhalb des Kraftfahrzeugs ermittelten Messvektoren 3 bestimmter Batteriekenngrößen) erfolgender Einlernvorgang eines neuronalen Netzes 1 dargestellt. Die Messvektoren 3 werden mit Hilfe der Batteriekenngrößen einer Referenzbatterie 2 gebildet (insbesondere zumindest einer idealen Batterie als Referenzbatterie 2), indem jeweils mehrere Eingangsgrößen vorgegeben werden, bsp. ein bestimmter fester Batteriestrom I bei einer bestimmten Umgebungstemperatur am Eingang 4 eingeprägt wird, und die sich hieraus ergebende Batterietemperatur T (Säuretemperatur) und Batteriespannung U am Ausgang 5 der Referenzbatterie 2 gemessen wird; insbesondere in Abhängigkeit der Komplexität des neuronalen Netzes 1 können hierbei bsp. 100 bis 100 000 Messvektoren 3 herangezogen werden. Zum Anlernen wird das neuronale Netz 1 sukzessive mit den mittels der Referenzbatterie 2 gebildeten Messvektoren 3 auf Basis eines vorgegebenen Lernalgorithmus beaufschlagt, bsp. eines Backpropagationalgorithmus, und die sich am Ausgang 6 des neuronalen Netzes 1 ergebende Batterietemperatur T und Batteriespannung U ermittelt. In Abhängigkeit der Abweichung ΔM zwischen der am Ausgang 5 der Referenzbatterie 2 ausgegebenen, real gemessenen Batterietemperatur T und Batteriespannung U einerseits sowie der vom neuronalen Netz 1 am Ausgang 6 ausgegebenen Batterietemperatur T und Batteriespannung U andererseits werden die Netzparameter des neuronalen Netzes 1 so lange nachgestellt, bis ein vorgegebener Grenzwert für die Abweichung ΔM unterschritten wird. Das angelernte neuronale Netz 1 besitzt hierdurch ein Batterieverhalten (Eingangs-/Ausgangsverhalten) wie eine reale Batterie und kann somit als Batteriezustandsmodell bsp. in ein Steuergerät 7 des Kraftfahrzeugs implementiert werden, bsp. in das für das Batterieenergiemanagement des Kraftfahrzeugs zuständige Steuergerät 7.
Da die Batterie 8 des Kraftfahrzeugs während des Gebrauchs, d.h. während ihrer Lebensdauer altert, kann gemäß 2 durch einen Vergleich der realen Batterie 8 des Kraftfahrzeugs mit dem im Steuergerät 7 für das Batterieenergiemanagement des Kraftfahrzeugs über das neuronale Netz 1 implementierten, die Referenzbatterie 2 repräsentierenden (alterungsunabhängigen) Batteriezustandsmodell der Alterungszustand oder Ladezustand der Batterie 8 ermittelt werden. Das neuronale Netz 1 kann hierbei entweder (wie anhand 1 beschrieben) von außen in das Steuergerät 7 eingebracht werden (offline-Modus) oder aber bereits als leeres Netz im Steuergerät 7 vorliegen und beim Anschließen der Batterie 8 selbstständig mit dem Einlernvorgang beginnen (online-Modus). Der Vergleich des Batteriezustandsmodells (der Referenzbatterie 2) mit der (realen) Batterie 8 des Kraftfahrzeugs kann bsp. permanent und/oder zyklisch in bestimmten Zeitabständen durchgeführt werden, wobei der Zeitabstand insbesondere bei der Inbetriebnahme des Kraftfahrzeugs und während des Betriebs des Kraftfahrzeugs geringer als während der Standzeiten (bei abgestelltem Kraftfahrzeug) gewählt werden kann. Der anhand dieses Vergleichs bsp. durch den Komparator 9 ermittelte Grad der Abweichung zwischen Referenzbatterie 2 und realer Batterie 8 ermöglicht eine Aussage über den Funktionszustand (die Leistungsfähigkeit) der Batterie 8 im Kraftfahrzeug, insbesondere auch nach einer geeigneten Skalierung neben einer qualita tiven Aussage über die Funktionsfähigkeit der Batterie 8 (defekt/intakt) auch eine quantitative Aussage über die zu enrwartende (Rest-)Lebensdauer der Batterie 8. Bsp. wird bei einer Skalierung der Abweichung auf Werte zwischen 0 % und 100 % ein die Abweichung charakterisierender Batteriezustandswert BEW gebildet; unterschreitet der Batteriezustandswert BEW einen vorgegebenen Schwellwert, bsp. beim Unterschreiten eines Schwellwerts von 20 %, wird ein Defekt der Batterie 8 angenommen und dies ggf. mittels einer optischen und/oder akustischen Anzeigevorrichtung 10 (Batteriewechselanzeige) im Kraftfahrzeug dem jeweiligen Bediener oder einer Werkstatt im Rahmen einer Diagnose signalisiert.

Claims

Verfahren zur Diagnose von Batterien (8), dadurch gekennzeichnet, dass mittels Batteriekenngrößen einer Referenzbatterie (2) ein Batteriezustandsmodell in einem neuronalen Netz (1) abgebildet wird, und dass der Funktionszustand einer Batterie (8) anhand eines unter Verwendung des neuronalen Netzes (1) durchgeführten Vergleichs des Batteriezustandsmodells mit der Batterie (8) bestimmt wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass durch Messwerte der Batteriekenngrößen während des Gebrauchs der Batterie (8) der Istzustand der Batterie (8) ermittelt und mit dem Batteriezustandsmodell verglichen wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass anhand der Abweichung des Istzustands der Batterie (8) vom Batteriezustandsmodell die Funktionsfähigkeit der Batterie (8) bestimmt wird.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass anhand der Abweichung des Istzustands der Batterie (8) vom Batteriezustandsmodell die Lebensdauer der Batterie (8) bestimmt wird.
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass ein Batteriezustandswert (BZW) als Maß für die Abweichung des Istzustands der Batterie (8) vom Batteriezustandsmodell ermittelt wird.
Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass für den Batteriezustandswert (BZW) ein Schwellwert oder ein Wertebereich vorgegeben wird, und dass anhand des Vergleichs des Batteriezu standswerts (BZW) mit diesem Schwellwert oder diesem Wertebereich der Funktionszustand der Batterie (8) bestimmt wird.
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass das Batteriezustandsmodell in einem Einlernvorgang mittels eines Lernalgorithmus unter Zuhilfenahme von Messwerten der Batteriekenngrößen als Trainingsgrößen in das neuronale Netz (1) implementiert wird.
Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass der Einlernvorgang zur Implementierung des Batteriezustandsmodells durch einen selbstlernenden Algorithmus vorgenommen wird.
Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass als Batteriekenngrößen die Batteriespannung (U) und/oder der Batteriestrom (I) und/oder die Batterietemperatur (T) und/oder der Batterieinnenwiderstand und/oder die Batteriesäuredichte und/oder oder die Batteriesäureschichtung herangezogen werden.
Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass als Referenzbatterie (2) eine neue Batterie herangezogen wird.
Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass als Referenzbatterie (2) zusätzlich eine den Alterungsverlauf charakterisierende Batterie herangezogen wird.
Verfahren nach einem der Ansprüche 1 bis 11 zur Diagnose der Batterie eines Kraftfahrzeugs.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass das Batteriezustandsmodell in ein Steuergerät (7) des Kraftfahrzeugs implementiert wird.
Verfahren nach Anspruch 12 oder 13, dadurch gekennzeichnet, dass der Funktionszustand der Batterie (8) mittels einer Anzeigevorrichtung (10) im Kraftfahrzeug angezeigt wird.