← 最新论文
⚡ electrical engineering

Research on Fault Diagnosis and Control Strategies for Power Batteries

本文提出了一种基于模糊理论的电动汽车动力电池故障诊断系统,尽管判定时间略有增加,但显著提高了绝缘故障和通信故障检测的准确率,分别达到92.3%和97.7%,从而增强了整车的安全性和可靠性。

原作者: Zibo Ye, Qianqian Zhu, Xingfeng Fu, Guoxin He

发布于 2026-09-07
📖 1 分钟阅读☕ 轻松阅读

原作者: Zibo Ye, Qianqian Zhu, Xingfeng Fu, Guoxin He

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

电动汽车改变了我们对交通方式的思考方式,用电力的静谧嗡鸣取代了引擎的轰鸣。这场变革的核心在于动力电池——一个庞大且复杂的能量包,必须通过极高的精度进行管理。如果电池失效,汽车就会停止运行;如果发生危险性失效,则会对驾驶员和乘客构成严重威胁。为了防止这种情况,每辆电动汽车都配备了一个被称为“电池管理系统”的大脑。该系统时刻监控着电池,寻找诸如电流泄漏或内部部件间通信中断等故障迹象。工程师面临的挑战在于,这些系统运行在充满噪声和不可预测条件的混乱环境中。电压的微小波动或信号的瞬间闪烁都可能看起来像是重大故障,从而导致让驾驶员感到困扰的误报,或者更糟的是,漏掉可能引发火灾的真实危险。目标是在噪声中找到真实的信号,以绝对的确定性将无害的波动与真正的危机区分开来。

来自广东理工职业技术学院和广汽埃安新能源汽车有限公司的研究人员通过开发一种新的电池“大脑”思考方式解决了这一问题。他们没有依赖于往往难以应对现实世界复杂性的僵化、非黑即白的规则,而是引入了一种基于模糊理论的方法。简单来说,这种方法允许系统像人类专家一样处理不确定性。系统不再询问:“电压是否正好处于危险线?”而是询问:“它距离危险线有多近,以及这与其他故障迹象相比如何?”通过综合权衡多个因素——例如温度、电流和信号质量——系统可以对故障是否真的发生做出更细致的判断。这种方法专门设计用于捕捉两种最关键的故障类型:绝缘故障(即电力从电池向汽车金属车架泄漏)和通信故障(即电池内部部件之间无法正常通信)。

为了测试他们的想法,团队构建了一个复杂的仿真模型,并随后在实际电动汽车上进行了测试。他们创建了一些场景,通过人为引入故障来模拟,例如连接一个电阻器以模拟电流泄漏,或切断电池模块之间的通信信号。结果显示,他们的模糊逻辑系统在识别这些问题方面非常有效。当研究人员将新系统与旧有的标准方法进行比较时,发现准确率有了明显的提升。对于绝缘故障,正确识别问题的能力从约 81% 跳升至 92% 以上。对于通信故障,准确率从大约 91% 提高到了接近 98%。这意味着新系统不太可能漏掉真实的危险,也不会错误地将健康的电池判定为损坏。

然而,这种更高的安全性也带来了一个小小的权衡。由于模糊系统需要花时间权衡所有不同因素并进行多次检查以确保万无一失,因此做出决策所需的时间略长。研究人员发现,与速度更快但不够谨慎的方法相比,确认故障所需的时间增加了约 4.6 秒。在汽车高速行驶的背景下,这段额外的时间几乎可以忽略不计,但它是获得更高安全水平的必要代价。该系统的设计初衷是等待足够长的时间以确保确定性,从而保证当它最终发出警报时,问题是真实的。一旦确认故障,系统会立即采取行动,例如限制汽车可使用的功率或完全关闭电池以防止火灾,同时保持驾驶员知情。

研究还详细规划了检测到这些故障后应如何处理。如果系统发现绝缘泄漏,它会检查问题是在电池包内部还是在外部线路中。如果是内部问题,则必须拆解并修理电池包;如果是外部问题,则需修理外部组件。同样,如果通信线路中断,系统会检查是暂时性的闪烁还是传感器的永久性失效。在每种情况下,模糊逻辑系统都能帮助汽车做出正确的决策,在安全性与保持车辆行驶的需求之间取得平衡。研究人员得出结论,虽然这种方法需要更多的处理时间,但准确性的显著提升使其成为电动汽车未来的重要工具。随着行业的向前发展,将这种智能、灵活的诊断方法与海量的现实世界数据相结合,有望让电动汽车变得更加安全可靠。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →