基于模糊邏輯的純電動(dòng)公交車動(dòng)力電池工作狀態(tài)評(píng)價(jià)

左付山 李政原 周天 楊柳

摘 要：為解決純電動(dòng)公交車動(dòng)力電池工作狀態(tài)易受到諸多因素影響的問(wèn)題，利用模糊邏輯算法，進(jìn)行純電動(dòng)公交車動(dòng)力電池工作狀態(tài)評(píng)價(jià)。根據(jù)動(dòng)力電池工作狀態(tài)變化原因的多樣性和模糊性，選取動(dòng)力電池總電壓、動(dòng)力電池溫度和絕緣阻值為評(píng)價(jià)參數(shù)，建立對(duì)應(yīng)的隸屬度函數(shù)和模糊評(píng)判矩陣，并建立模糊數(shù)學(xué)評(píng)判模型，將評(píng)判模型獲得的動(dòng)力電池工作狀態(tài)與研究對(duì)象的實(shí)際工作狀態(tài)相對(duì)比，結(jié)果表明所得結(jié)果與實(shí)際相符合。由此證明所構(gòu)建的評(píng)判模型可以實(shí)現(xiàn)對(duì)純電動(dòng)公交車電池的故障預(yù)判，從而提高純電動(dòng)公交車運(yùn)行的安全性，保證公交運(yùn)營(yíng)系統(tǒng)的正常工作。

關(guān)鍵詞：動(dòng)力電池;模糊邏輯;純電動(dòng)公交車;工作狀態(tài);評(píng)價(jià)

Abstract：In order to solve the problem that the working state of the pure electric bus power battery is susceptible to many factors， the fuzzy logic algorithm is used to evaluate the working status of the pure electric bus power battery. According to the diversity and ambiguity of the working state changing of the power battery， the total voltage， temperature and the insulation resistance of power battery are selected as the evaluation parameters， the corresponding membership function and fuzzy evaluation matrix are established， and the fuzzy mathematics evaluation model is established. The working state of the power battery obtained by the evaluation model is compared with the actual working state of the research object， and the results show that the obtained results are consistent with the actual situation. It can be seen that the constructed evaluation model can realize the fault prediction of the pure electric bus battery， thereby improving the safety of the pure electric bus operation and ensuring the normal operation of the bus operation system.

Keywords：Power battery; fuzzy logic; pure electric bus; working status; evaluation

0 引言

純電動(dòng)公交車受到城市道路以及運(yùn)營(yíng)特點(diǎn)的影響，具有長(zhǎng)期低速大負(fù)荷、起停頻繁、負(fù)荷變化率大和高壓電器設(shè)備多等運(yùn)行特點(diǎn)。電池、電機(jī)和電控是電動(dòng)汽車中最為重要的3個(gè)部分[1]。其中，動(dòng)力電池作為電動(dòng)汽車的核心部件，其性能與壽命很大程度上決定了汽車電動(dòng)化的進(jìn)程[2-4]。由于動(dòng)力電池制造水平和車輛運(yùn)行工況不確定，動(dòng)力電池在運(yùn)行中不可避免會(huì)出現(xiàn)不穩(wěn)定狀態(tài)，進(jìn)而導(dǎo)致相關(guān)故障的發(fā)生[5-6]。因此，對(duì)純電動(dòng)公交車電池組工作狀態(tài)進(jìn)行實(shí)時(shí)評(píng)價(jià)，可以有效提高純電動(dòng)公交車運(yùn)行安全性，提高電池組的可靠性。

電池組的故障現(xiàn)象復(fù)雜，其評(píng)價(jià)具有復(fù)雜性，因此在電動(dòng)汽車動(dòng)力電池故障診斷方面，相關(guān)學(xué)者已開展了一系列研究。具體技術(shù)方面，古昂等[7]利用神經(jīng)網(wǎng)絡(luò)算法，建立純電動(dòng)汽車動(dòng)力電池組故障診斷模型，實(shí)現(xiàn)了對(duì)動(dòng)力電池組的故障診斷，可準(zhǔn)確顯示電池的故障類型和故障原因，但此方法的結(jié)構(gòu)難以確定，存在收斂速度慢、局部極小值、過(guò)學(xué)習(xí)與欠學(xué)習(xí)等缺點(diǎn)，特別是需要大量的動(dòng)力電池組性能參數(shù)數(shù)據(jù)作為訓(xùn)練樣本對(duì)網(wǎng)絡(luò)進(jìn)行大量的學(xué)習(xí)訓(xùn)練[8-9];李思博[10]提出利用貝葉斯網(wǎng)絡(luò)對(duì)鋰電池進(jìn)行故障診斷，該方法誤差較大，準(zhǔn)確度不高;王一卉[11]構(gòu)建了動(dòng)力電池組故障診斷專家系統(tǒng)，該方法中的知識(shí)庫(kù)反映的是模糊性而不是隨機(jī)性，無(wú)法解決故障原因的復(fù)雜性和不確定性。

由于以上研究方法存在不足，又考慮到電池的故障現(xiàn)象、故障原因的復(fù)雜性和模糊性，難以借助確定的數(shù)學(xué)模型來(lái)描述[12]，因此，本文利用模糊邏輯算法解決其故障所具有的模糊性、隨機(jī)性問(wèn)題，該方法無(wú)需大量的試驗(yàn)數(shù)據(jù)，能對(duì)故障癥狀與故障原因之間的模糊關(guān)系進(jìn)行準(zhǔn)確描述，對(duì)模糊性信息具有較強(qiáng)的表達(dá)能力[13-16]。本文選取的研究對(duì)象是純電動(dòng)公交車上常用的磷酸鐵鋰電池組，在電池組不解體的前提下，建立模糊評(píng)判模型，并通過(guò)實(shí)例驗(yàn)證評(píng)價(jià)模型的準(zhǔn)確性，從而實(shí)現(xiàn)對(duì)純電動(dòng)公交車動(dòng)力電池的故障預(yù)判。

1 動(dòng)力電池工作狀態(tài)評(píng)價(jià)

動(dòng)力電池作為車輛的動(dòng)力源，其工作狀態(tài)需要進(jìn)行量化的評(píng)判，根據(jù)評(píng)判結(jié)果做出相應(yīng)的處理，以提高車輛的安全性和可靠性。本文利用模糊邏輯算法，建立模糊評(píng)判模型，評(píng)判純電動(dòng)公交車電池的工作狀態(tài)。針對(duì)動(dòng)力電池組模塊，本文選取動(dòng)力電池總電壓VB、絕緣阻值R0和動(dòng)力電池溫度TB建立模糊評(píng)判模型。

1.1 模糊數(shù)學(xué)評(píng)判模型建立

根據(jù)大量電池故障的研究和總結(jié)，將電池使用過(guò)程中的工作狀態(tài)分為工作狀態(tài)良好、工作狀態(tài)一般、工作狀態(tài)差和工作狀態(tài)很差4個(gè)類別，見表1。

模糊綜合評(píng)判數(shù)學(xué)模型見公式（1）[17-18]。

根據(jù)公式（1）可得B，B中的4個(gè)數(shù)值分別對(duì)應(yīng)不同程度電池工作狀態(tài)的隸屬度，根據(jù)最大隸屬度原則選擇4個(gè)數(shù)值中的最大值，即為對(duì)應(yīng)的純電動(dòng)公交車電池的工作狀態(tài)。模糊綜合評(píng)價(jià)模型示意圖如圖1所示。

其中，A和R的確定是模糊綜合評(píng)價(jià)方法的重點(diǎn)。A是動(dòng)力電池3個(gè)評(píng)價(jià)參數(shù)的模糊輸入集，R是3個(gè)因素各單因素的模糊關(guān)系矩陣。

1.2 模糊輸入集建立

動(dòng)力電池模糊輸入集隸屬函數(shù)的確立，先根據(jù)專家經(jīng)驗(yàn)進(jìn)行初步確定，然后通過(guò)實(shí)際運(yùn)行不斷進(jìn)行修正。

（1）動(dòng)力電池組總電壓隸屬函數(shù)的建立

針對(duì)本文研究對(duì)象，當(dāng)電池電壓超過(guò)710.4 V或者低于499.2 V時(shí)，電池已處于不可工作狀態(tài)。電池組總電壓處于547.2～693.12 V時(shí)，電池工作狀態(tài)良好，無(wú)故障可能性;當(dāng)電池組總電壓處于499.2～547.2 V和693.12～710.4 V時(shí)，故障的可能性增大，工作狀態(tài)變差，但是隸屬于故障的程度變化不一致。本文基于美國(guó)國(guó)家航空航天局（National Aeronautics and Space Administration，NASA）公布的不同性能狀態(tài)的磷酸鐵鋰電池實(shí)驗(yàn)數(shù)據(jù)，分析不同性能狀態(tài)的動(dòng)力電池所對(duì)應(yīng)的電池組電壓，將電壓按區(qū)間分類，總結(jié)不同動(dòng)力電池組總電壓對(duì)于電池性能變差的影響程度，得到動(dòng)力電池組總電壓隸屬關(guān)系數(shù)據(jù)分布如圖2所示。

根據(jù)電池組總電壓的隸屬關(guān)系數(shù)據(jù)分布圖，發(fā)現(xiàn)其符合分段函數(shù)的形式。對(duì)數(shù)據(jù)進(jìn)行模糊化處理后，在Matlab中進(jìn)行擬合得到電池組總電壓隸屬函數(shù)曲線，如圖3所示，其隸屬函數(shù)見公式（3）。

（2）動(dòng)力電池組溫度隸屬函數(shù)的建立

本文所研究的磷酸鐵鋰電池規(guī)定的正常工作范圍為0～55 ℃，一旦超過(guò)此溫度，電池工作狀態(tài)變差的可能性將不同程度的變大。本文基于NASA公布的不同性能狀態(tài)的磷酸鐵鋰電池實(shí)驗(yàn)數(shù)據(jù)，分析不同性能狀態(tài)的電池所對(duì)應(yīng)的動(dòng)力電池組溫度，將溫度按區(qū)間分類，總結(jié)不同動(dòng)力電池組溫度對(duì)于電池性能變差的影響程度，得到溫度隸屬關(guān)系數(shù)據(jù)分布如圖4所示。

用Matlab擬合的過(guò)程中發(fā)現(xiàn)，動(dòng)力電池組溫度隸屬關(guān)系數(shù)據(jù)分布點(diǎn)連接起來(lái)與K次拋物形曲線相似度很高。以這個(gè)曲線為基準(zhǔn)調(diào)試擬合曲線，最終得到了動(dòng)力電池組溫度隸屬函數(shù)曲線，如圖5所示，其隸屬函數(shù)見公式（4）[19]。

根據(jù)3個(gè)參數(shù)對(duì)應(yīng)的隸屬函數(shù)，建立模糊輸入集A，為了消除干擾，模糊輸入集在實(shí)時(shí)運(yùn)算時(shí)要進(jìn)行歸一化處理。

1.3 模糊關(guān)系矩陣建立

在模糊關(guān)系矩陣確定的過(guò)程中，綜合現(xiàn)有專家對(duì)動(dòng)力電池故障分析的經(jīng)驗(yàn)、電池工作狀態(tài)和外部表征之間關(guān)系的研究成果，以及項(xiàng)目公司提供的不同性能狀態(tài)的電池?cái)?shù)據(jù)統(tǒng)計(jì)分析，初步確定模糊矩陣中元素的初始值。然后，通過(guò)輸入大量的實(shí)際純電動(dòng)公交車工作狀態(tài)數(shù)據(jù)，對(duì)模糊關(guān)系矩陣的元素不斷進(jìn)行調(diào)整和驗(yàn)證，直到所建立的評(píng)價(jià)模型達(dá)到一定準(zhǔn)確性。

對(duì)于模糊關(guān)系矩陣R的建立，基于大量數(shù)據(jù)和專家經(jīng)驗(yàn)的支撐，判斷每個(gè)參數(shù)對(duì)于動(dòng)力電池4個(gè)工作狀態(tài)的影響比重。模糊關(guān)系矩陣R的建立是產(chǎn)生評(píng)價(jià)結(jié)果B的關(guān)鍵一步。

2 試驗(yàn)驗(yàn)證

為了驗(yàn)證前文所建立的模糊評(píng)判模型的準(zhǔn)確性，根據(jù)項(xiàng)目公司提供的6組不同運(yùn)行狀態(tài)下的公交車電池?cái)?shù)據(jù)，通過(guò)本文所建立的模糊評(píng)判模型對(duì)純電動(dòng)公交車電池工作狀態(tài)進(jìn)行評(píng)價(jià)并驗(yàn)證。表2中，依次列出了編號(hào)為1—6號(hào)純電動(dòng)公交車動(dòng)力電池各性能參數(shù)數(shù)據(jù)，運(yùn)用模糊評(píng)判模型，得到綜合評(píng)判結(jié)果，并對(duì)電池工作狀態(tài)進(jìn)行評(píng)價(jià)。

從表2中可看出，模糊評(píng)判模型得出的評(píng)價(jià)結(jié)果與電池實(shí)際工作狀態(tài)相一致。

其中，對(duì)于1號(hào)純電動(dòng)公交車動(dòng)力電池工作狀態(tài)評(píng)價(jià)結(jié)果分析流程如圖6所示。

根據(jù)表2，并結(jié)合前文隸屬度函數(shù)可得1號(hào)純電動(dòng)公交車動(dòng)力電池模糊輸入集A=（0.11 1 0.3），歸一化之后為（0.078 0 0.709 2 0.212 8）與模糊矩陣R進(jìn)行算子運(yùn)算，得到綜合評(píng)判結(jié)果B=（0.318 4 0.382 3 0.434 4 0.159 9）。根據(jù)評(píng)判結(jié)果矩陣B可以看出，1號(hào)純電動(dòng)公交車電池的工作狀態(tài)為：31.84%隸屬于工作狀態(tài)很差，38.23%隸屬于工作狀態(tài)差，43.44%隸屬于工作狀態(tài)一般，15.99%隸屬于工作狀態(tài)良好。按照最大隸屬度原則，最終的評(píng)價(jià)結(jié)果是1號(hào)純電動(dòng)公交車電池工作狀態(tài)一般，與實(shí)際情況相符合。

同理，2號(hào)純電動(dòng)公交車電池工作狀態(tài)一般;3號(hào)純電動(dòng)公交車電池工作狀態(tài)差，繼續(xù)運(yùn)行可能會(huì) 出現(xiàn)嚴(yán)重故障;4號(hào)純電動(dòng)公交車電池工作狀態(tài)一般;5號(hào)純電動(dòng)公交車電池工作狀態(tài)差;6號(hào)純電動(dòng)公交車電池工作狀態(tài)很差，車輛已無(wú)法運(yùn)行。均與公交車電池實(shí)際工作狀態(tài)相吻合。

本文所建立的模糊評(píng)判模型得到的結(jié)果與實(shí)際相符合，在純電動(dòng)公交車電池工作狀態(tài)評(píng)價(jià)上具有有效性與準(zhǔn)確性。運(yùn)用此模糊評(píng)判模型可實(shí)時(shí)監(jiān)測(cè)動(dòng)力電池組總電壓、溫度和絕緣阻值，并進(jìn)行分析處理，一旦監(jiān)測(cè)數(shù)據(jù)超過(guò)限值，及時(shí)預(yù)警，快速做出應(yīng)對(duì)措施，從而實(shí)現(xiàn)對(duì)純電動(dòng)公交車故障的預(yù)判，保證公交運(yùn)營(yíng)系統(tǒng)的正常工作。

3 結(jié)束語(yǔ)

本文根據(jù)純電動(dòng)公交車動(dòng)力電池組故障現(xiàn)象、故障原因的復(fù)雜性，選用模糊邏輯算法，針對(duì)動(dòng)力電池組總電壓、動(dòng)力電池組溫度和絕緣阻值建立了模糊評(píng)判模型，并運(yùn)用此模型評(píng)價(jià)電池工作狀態(tài)，同時(shí)與某公司提供的實(shí)際數(shù)據(jù)相對(duì)比，驗(yàn)證了模糊評(píng)判模型的可行性與準(zhǔn)確性，可以實(shí)現(xiàn)目前純電動(dòng)公交車動(dòng)力電池組工作狀態(tài)的故障預(yù)判，達(dá)到實(shí)時(shí)監(jiān)控的效果。

【參 考 文 獻(xiàn)】

[1]張鵬.電池管理系統(tǒng)對(duì)電動(dòng)汽車發(fā)展的影響[J].科技創(chuàng)新與應(yīng)用， 2017， 7（7）： 111.

ZHANG P. The impact of battery management system on the development of electric vehicles[J]. Technology Innovation and Application， 2017， 7（7）： 111.

[2]JIANG J C， ZHANG C P. Fundamentals and applications of lithium-ion batteries in electric drive vehicles[M]. Singapore： John Wiley & Sons， 2015.

[3]劉紅強(qiáng)，歐陽(yáng)志紅.新能源汽車的故障問(wèn)題分析與維修關(guān)鍵技術(shù)[J].內(nèi)燃機(jī)與配件，2018，39（20）：166-167.

LIU H Q， OUYANG Z H. Analysis and maintenance key technologies of faults in new energy vehicles[J]. Internal Combustion Engines & Parts， 2018， 39（20）： 166-167.

[4]陳躍.新能源汽車常見故障診斷及其維修技術(shù)研究[J].湖北農(nóng)機(jī)化，2019，41（13）：59.

CHEN Y. Research on common fault diagnosis and maintenance technology of new energy vehicles[J]. Hubei Agricultural Mechanization， 2019， 41（13）： 59.

[5]王一卉，姜長(zhǎng)泓.模糊神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在動(dòng)力鋰電池組故障診斷中的應(yīng)用[J].電測(cè)與儀表，2015，52（14）：118-123.

WANG Y H， JIANG C H. Application of fuzzy neural network expert system in fault diagnosis of power lithium battery pack[J]. Electrical Measurement & Instrumentation， 2015， 52（14）：118-123.

[6]趙輝，劉娜，周永勤.模糊綜合評(píng)判在電池性能檢測(cè)中的應(yīng)用[J].哈爾濱理工大學(xué)學(xué)報(bào)，2018，23（3）：143-148.

ZHAO H， LIU N， ZHOU Y Q. Application of fuzzy comprehensive evaluation in battery performance detection[J]. Journal of Harbin University of Science and Technology， 2018， 23（3）： 143-148.

[7]古昂，張向文.基于RBF神經(jīng)網(wǎng)絡(luò)的動(dòng)力電池故障診斷系統(tǒng)研究[J].電源技術(shù)，2016，40（10）：1943-1945.

GU A， ZHANG X W. Research on power battery fault diagnosis system based on RBF neural network[J]. Chinese Journal of Power Sources， 2016， 40（10）： 1943-1945.

[8]孟慶武，趙宏偉，孫潤(rùn)誠(chéng).基于BP神經(jīng)網(wǎng)絡(luò)算法的電池組故障診斷研究[J].自動(dòng)化與儀器儀表，2017，37（11）：45-47.

MENG Q W， ZHAO H W， SUN R C. Research on battery pack fault diagnosis based on BP neural network algorithm[J]. Automation & Instrumentation， 2017， 37（11）： 45-47.

[9]張俊.基于神經(jīng)網(wǎng)絡(luò)的純電動(dòng)汽車動(dòng)力電池系統(tǒng)故障診斷[J].電子技術(shù)與軟件工程，2018，7（24）：234-235.

ZHANG J. Fault diagnosis of power battery system of pure electric vehicle based on neural network[J]. Electronic Technology & Software Engineering， 2018， 7（24）： 234-235.

[10]李思博.鋰動(dòng)力電池系統(tǒng)性能分析及故障診斷研究[D].哈爾濱：哈爾濱理工大學(xué)，2019.

LI S B. Performance analysis and fault diagnosis of lithium battery system[D]. Harbin： Harbin University of Science and Technology， 2019.

[11]王一卉.純電動(dòng)汽車鋰電池故障診斷系統(tǒng)的研究[D].長(zhǎng)春：長(zhǎng)春工業(yè)大學(xué)，2015.

WANG Y H. Research on fault diagnosis system for pure electric vehicle lithium battery[D]. Changchun： Changchun University of Technology， 2015.

[12]劉維，杜俊平，周鵬飛，等.基于模糊算法的電動(dòng)車動(dòng)力電池故障診斷研究[J].客車技術(shù)與研究，2018，40（2）：9-13.

LIU W， DU J P， ZHOU P F， et al. Fault diagnosis of electric vehicle power battery based on fuzzy algorithm[J]. Bus & Coach Technology and Research， 2018， 40（2）： 9-13.

[13]楊啟成.新能源汽車維修中電子診斷技術(shù)的運(yùn)用[J].時(shí)代汽車，2019，16（11）：123-124.

YANG Q C. Application of electronic diagnostic technology in new energy vehicle maintenance[J]. Auto Time， 2019， 16（11）： 123-124.

[14]李曉輝，張向文，周永健，等.模糊神經(jīng)網(wǎng)絡(luò)的動(dòng)力電池故障診斷系統(tǒng)[J].電源技術(shù)，2019，43（8）：1391-1394.

LI X H， ZHANG X W， ZHOU Y J， et al. Power battery fault diagnosis system based on fuzzy neural network[J]. Chinese Journal of Power Sources， 2019， 43（8）： 1391-1394.

[15]李陽(yáng)，張立恒，侯旭.城區(qū)道路網(wǎng)空間結(jié)構(gòu)布局合理性的模糊綜合評(píng)價(jià)[J].公路工程，2019，44（3）：102-106.

LI Y， ZHANG L H， HOU X. Fuzzy comprehensive evaluation of urban road network on the rationality of spatial structure layout[J]. Highway Engineering， 2019， 44（3）：102-106.

[16]李興，張鵬.基于模糊神經(jīng)網(wǎng)絡(luò)的高速公路邊坡危險(xiǎn)性評(píng)價(jià)與防護(hù)策略[J].公路工程，2018，43（5）：305-309.

LI X， ZHANG P. Risk assessment and protection strategy of expressway slope based on fuzzy neural network[J]. Highway Engineering， 2018， 43（5）：305-309.