一种基于多源信息融合的动力电池热失控报警方法、系统
未命名
09-29
阅读:85
评论:0
1.本发明涉及新能源汽车动力电池技术领域,更具体的,涉及一种基于多源信息融合的动力电池热失控报警方法、系统。
背景技术:
2.造成新能源汽车发生事故的根本原因就是由动力电池故障引发的热失控。
3.热失控是一个主要的安全问题,随着动力电池发生故障,新能源动力电池可能会在极短的时间内发生放热连锁反应,引起电池温度急剧升高。若监测系统不能及时且准确的监测并进行报警,会进一步发展成热失控,导致故障的进一步扩大,对周围电池、车辆及车上人员构成威胁,严重影响车辆运行的安全性,最终导致冒烟、起火燃烧甚至爆炸事故的发生。
4.现有传统的热失控报警方法,只是通过阈值进行判断并进行报警,这种报警方法存在如下问题:
5.(1)由于动力电池热失控环境复杂多变,导致传感器采集的数据存在不确定性,降低了判断的准确度;
6.(2)若传感器失效,则无法有效地判断电池当前状态,容易出现误判和漏报等情况,从而降低了热失控判断结果的准确性。
技术实现要素:
7.基于此,有必要针对现有报警方法中采集数据存在不确定性而导致热失控不准的问题,提供基于多源信息融合的动力电池热失控报警方法、系统。
8.本发明采用以下技术方案实现:
9.第一方面,本发明公开了基于多源信息融合的动力电池热失控报警方法,其用于对新能源汽车动力电池进行热失控报警。
10.动力电池热失控报警方法包括以下步骤:
11.步骤一,获取当前时刻第i种热失控特征参数的数据pi;i∈[1,n],n表示热失控特征参数的种类,n=4;热失控特征参数包括电池箱内部温度、电池箱内co浓度、电池箱内烟雾浓度、第i个动力电池的温度,i∈[1,n];
[0012]
步骤二,依据pi,分别计算出其未发生热失控的基本概率赋值函数m1(pi)、发生热失控的基本概率赋值函数m2(pi);
[0013]
步骤三,对m1(pi)、m2(pi)进行相同处理,得到加权后的未发生热失控的基本概率赋值函数m1′
(pi)、加权后的发生热失控的基本概率赋值函数m2′
(pi),以消除pi的不确定性;其中,处理的方法包括:
[0014]
先计算基本概率赋值函数的信息熵及其方差;再基于信息熵及其方差构建出模糊偏好矩阵;接着基于模糊偏好矩阵计算其一致性矩阵;然后计算一致性的排序值并作为置信度;再对置信度进行归一化处理并作为权重因子;最后将权重因子与基本概率赋值函数
进行加权平均,得到加权后的基本概率赋值函数;
[0015]
步骤四,基于m1′
(pi)、m2′
(pi),分别按照ds证据理论合成规则计算得到融合结果;其中,若融合结果为n个动力电池中至少有1个动力电池发生热失控,即进行报警。
[0016]
该基于多源信息融合的动力电池热失控报警方法实现根据本公开的实施例的方法或过程。
[0017]
第二方面,本发明公开了基于多源信息融合的动力电池热失控报警系统,其使用了第一方面的动力电池热失控报警方法。
[0018]
基于多源信息融合的动力电池热失控报警系统包括:数据采集单元、基本概率赋值函数计算单元、基本概率赋值函数加权单元、证据融合单元、报警单元。
[0019]
数据采集单元用于获取当前时刻第i种热失控特征参数的数据pi;i∈[1,n],n表示热失控特征参数的种类。基本概率赋值函数计算单元用于依据pi,分别计算出其未发生热失控的基本概率赋值函数m1(pi)、发生热失控的基本概率赋值函数m2(pi)。基本概率赋值函数加权单元用于对m1(pi)、m2(pi)进行相同处理,得到加权后的未发生热失控的基本概率赋值函数m1′
(pi)、加权后的发生热失控的基本概率赋值函数m2′
(pi),以消除pi的不确定性。证据融合单元用于基于m1′
(pi)、m2′
(pi),分别按照ds证据理论合成规则计算得到融合结果。报警单元用于在融合结果为n个动力电池中至少有1个动力电池发生热失控,即进行报警。
[0020]
该基于多源信息融合的动力电池热失控报警系统实现根据本公开的实施例的方法或过程。
[0021]
与现有技术相比,本发明具备如下有益效果:
[0022]
1,本发明对当前时刻的热失控特征参数的数据进行基本概率赋值处理、并通过信息熵等方式求取到权重因子,对基本概率赋值函数进行加权,从而消除采集的热失控特征参数的数据存在的不确定性,并得到当前时刻热失控状态的准确判断结果。
[0023]
2,本发明采用多任务并行处理的方式,同步对电池箱内的n个动力电池进行分析,从而定位到电池箱内发生热失控的位置,方便后续对热失控进行处理、防止热失控进一步的扩散。
附图说明
[0024]
图1为本发明实施例1中基于多源信息融合的动力电池热失控报警方法的流程图;
[0025]
图2为本发明实施例2中数据采集单元的布置示意图;
[0026]
图3为本发明实施例2中数据传递的示意图;
[0027]
图4为本发明实施例2中各单元工作的流程图。
具体实施方式
[0028]
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0029]
需要说明的是,当组件被称为“安装于”另一个组件,它可以直接在另一个组件上
(pi);其中,
[0045]
步骤三,对m1(pi)、m2(pi)进行相同处理,得到加权后的未发生热失控的基本概率赋值函数m1′
(pi)、加权后的发生热失控的基本概率赋值函数m2′
(pi),以消除pi的不确定性。
[0046]
总的来说,处理的方法包括:
[0047]
先计算基本概率赋值函数的信息熵及其方差;再基于信息熵及其方差构建出模糊偏好矩阵;接着基于模糊偏好矩阵计算其一致性矩阵;然后计算一致性的排序值并作为置信度;再对置信度进行归一化处理并作为权重因子;最后将权重因子与基本概率赋值函数进行加权平均,得到加权后的基本概率赋值函数。
[0048]
(1)对于m1(pi),具体的:
[0049]
计算m1(pi)的信息熵ivi及其方差iσi;
[0050]
其中,iσi=var(iv1,iv2,
…
,ivn)。
[0051]
基于ivi、iσi构建出模糊偏好矩阵e;
[0052]
其中,
[0053]eij
表示e中第i行第j列的元素,也就是说,e中的元素满足:
[0054]
基于e计算其一致性矩阵
[0055]
其中,
[0056]
表示中第i行第j列的元素。
[0057]
计算一致性的排序值ri并作为置信度credi;
[0058]
其中,
[0059]
对credi进行归一化处理并作为权重因子wi;
[0060]
其中,
[0061]
将wi与m1(pi)进行加权平均,得到加权后的基本概率赋值函数m1′
(pi);
[0062]
其中,
[0063]
(2)计算m2(pi)的信息熵ivi′
及其方差iσ
′i;
[0064]
其中,iσ
′i=var(iv1′
,iv
′2,
…
,iv
′n)。
[0065]
基于ivi′
、iσ
′i构建出模糊偏好矩阵e
′
;
[0066]
其中,
[0067]e′
ij
表示e
′
中第i行第j列的元素,也就是说,e
′
中的元素满足:
[0068]
基于e
′
计算其一致性矩阵
[0069]
其中
[0070]
表示中第i行第j列的元素。
[0071]
计算一致性的排序值r
′i并作为置信度cred
′i;
[0072]
其中,
[0073]
对cred
′i进行归一化处理并作为权重因子w
′i;
[0074]
其中,
[0075]
将w
′i与m2(pi)进行加权平均,得到加权后的基本概率赋值函数m2′
(pi);
[0076]
其中,
[0077]
经过上述处理后,基本概率赋值函数经过证据加权修正后,消除了热失控环境下存在的不确定性。
[0078]
步骤三,基于m1′
(pi)、m2′
(pi),分别按照ds证据理论合成规则计算得到融合结果。
[0079]
要说明的是,依据上面的,动力电池所处的状态,分为未发生热失控状态、发生热失控状态。因此,步骤三的目的就是要判断动力电池属于哪种状态、并依此来确定是否要进
行报警。
[0080]
将m1′
(pi)按照ds证据理论合成规则计算得到处于未发生热失控的概率m(u1);其中,
[0081]
将m2′
(pi)按照ds证据理论合成规则计算得到处于发生热失控的概率m(u2);其中,
[0082]
比较m(u1)、m(u2)得到融合结果;
[0083]
其中,若m(u1)>m(u2),表示第i个动力电池未发生热失控;
[0084]
若m(u1)《m(u2),表示第i个动力电池发生热失控。
[0085]
当然,m(u1)+m(u2)并不一定等于1,还存在处于不确定状态的概率因此,进行比较m(u1)、m(u2)前,要先保证的值不过大,从而保证判断的准确度。
[0086]
总的来说,若融合结果为n个动力电池中至少有1个动力电池发生热失控,即进行报警。否则,不进行报警。
[0087]
另外,在进行报警的同时,向电池箱内充注氮气。利用氮气防止热失控进一步扩散。
[0088]
当然,由于融合结果可以反映出是哪一个或哪几个动力电池发生热失控,在充注氮气时,可以将充注口移至发生热失控的动力电池处,从而保证对热失控的即时控制效果。
[0089]
实施例2
[0090]
本实施例2公开了基于多源信息融合的动力电池热失控报警系统,其使用了实施例1的基于多源信息融合的动力电池热失控报警方法。
[0091]
参看图4,基于多源信息融合的动力电池热失控报警系统包括:数据采集单元、基本概率赋值函数计算单元、基本概率赋值函数加权单元、证据融合单元、报警单元。
[0092]
数据采集单元用于获取当前时刻第i种热失控特征参数的数据pi;i∈[1,n],n表示热失控特征参数的种类。具体的,参看图2,数据采集单元采用多路传感器组成:针对动力电池监测,对n个动力电池分别布置贴片式温度感应器,监测动力电池的温度。针对动力电池箱监测,布置温度传感器、烟雾传感器、co传感器,监测动力电池箱内部的温度、烟雾浓度、co浓度。
[0093]
基本概率赋值函数计算单元、基本概率赋值函数加权单元、证据融合单元,实际都是数据处理的部分。其中,基本概率赋值函数计算单元用于依据pi,分别计算出其未发生热失控的基本概率赋值函数m1(pi)、发生热失控的基本概率赋值函数m2(pi)。基本概率赋值函数加权单元用于对m1(pi)、m2(pi)进行相同处理,得到加权后的未发生热失控的基本概率赋值函数m1′
(pi)、加权后的发生热失控的基本概率赋值函数m2′
(pi),以消除pi的不确定性。证据融合单元用于基于m1′
(pi)、m2′
(pi),分别按照ds证据理论合成规则计算得到融合结果。
[0094]
具体的,上述数据处理的各模块内置于mcu中,mcu选用强大的处理能力的芯片,运
用freertos系统进行多任务编程,适应于多任务处理,从而同步得到n个融合结果,以定位到电池箱内发生热失控的位置。由于数据处理交给mcu,即采用了边缘计算的方式,从而降低了车载控制器的运行压力。
[0095]
报警单元用于在融合结果为n个动力电池中至少有1个动力电池发生热失控,即进行报警。具体的,进行报警是mcu打包当前热失控特征参数的数据、当前热失控的状态,发送到车载控制器/用户端,使得驾驶人员能够及时监测并迅速采取应急措施。若无需报警,就继续进行采集并数据处理。
[0096]
另外,还可以设置热失控抑制模块,用于在进行报警的同时,向电池箱内充注氮气。具体的,热失控抑制模块包括与电池箱连接的制氮机、以及设置在制氮机出口的n2控制阀。在进行报警的同时,n2控制阀打开,制氮机向电池箱充注氮气。
[0097]
需要说明的是,图2中仅展示了将制氮机直接与电池箱相连的方式。参看实施例1,为了保证效果,可以将制氮机的出口连接金属软管,金属软管延伸到电池箱内,金属软管出口为充注口。在电池箱内设置有至少具有双自由度的机械臂,可实现沿电池箱长、宽方向上的移动。这样,通过控制机械臂带着金属软管移动,将充注口移至发生热失控的动力电池处。
[0098]
上述各单元之间的数据传输方式根据实际需求进行设计。参看图3,例如,数据采集单元、报警单元、热失控抑制模块采用can总线通信机制与mcu连接。mcu采用can总线通信机制与车载控制器连接。mcu采用gprs远程通信机制与用户端(例如驾驶人员手机终端)进行通信。
[0099]
总的来说,上述各单元的工作流程参看图4。
[0100]
实施例3
[0101]
本实施例3公开了一种可读存储介质,可读存储介质中存储有计算机程序指令,计算机程序指令被一处理器读取并运行时,执行实施例1的基于多源信息融合的动力电池热失控报警方法。
[0102]
实施例1的方法在应用时,可以软件的形式进行应用,如设计成计算机可读存储介质可独立运行的程序,计算机可读存储介质可以是u盘,设计成u盾,通过u盘设计成通过外在触发启动整个方法的程序。
[0103]
实施例4
[0104]
本实施例4对实施例1的方法进行验证,以单个电池为例,测量其4种不同时间下的状态:1、2、3实际情况未发生热失控,4实际情况发生热失控。具体数据参看表1。
[0105]
表1实测热失控特征参数的数据
[0106][0107]
依据实施例1的方法对表1的数据进行处理,得到m(u1)、m(u2)、如表2。
[0108]
表2融合结果
[0109][0110]
由表2可知,4组的值均不大:序列1中,虽然超过0.2,但其还是明显小于m(u1)的;序列2、3中,均小于0.1;序列4中,略大于0.1,并明显小于m(u2)。上述数据符合可进行判断的要求。
[0111]
前3组中,m(u1)>m(u2),说明未发生热失控,与实际情况相符。第4组中,m(u1)《m(u2),说明发生热失控,与实际情况相符。即验证了本方法的有效性、准确性。
[0112]
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
[0113]
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
技术特征:
1.基于多源信息融合的动力电池热失控报警方法,其用于对设置在新能源汽车电池箱内的n个动力电池进行热失控报警;其特征在于:所述动力电池热失控报警方法包括以下步骤,步骤一,获取当前时刻第i种热失控特征参数的数据p
i
;i∈[1,n],n表示热失控特征参数的种类,n=4;所述热失控特征参数包括电池箱内部温度、电池箱内co浓度、电池箱内烟雾浓度、第i个动力电池的温度,i∈[1,n];步骤二,依据p
i
,分别计算出其未发生热失控的基本概率赋值函数m1(p
i
)、发生热失控的基本概率赋值函数m2(p
i
);步骤三,对m1(p
i
)、m2(p
i
)进行相同处理,得到加权后的未发生热失控的基本概率赋值函数m1′
(p
i
)、加权后的发生热失控的基本概率赋值函数m2′
(p
i
),以消除p
i
的不确定性;其中,处理的方法包括:先计算基本概率赋值函数的信息熵及其方差;再基于信息熵及其方差构建出模糊偏好矩阵;接着基于模糊偏好矩阵计算其一致性矩阵;然后计算一致性的排序值并作为置信度;再对置信度进行归一化处理并作为权重因子;最后将权重因子与基本概率赋值函数进行加权平均,得到加权后的基本概率赋值函数;步骤四,基于m1′
(p
i
)、m2′
(p
i
),分别按照ds证据理论合成规则计算得到融合结果;其中,若融合结果为n个动力电池中至少有1个动力电池发生热失控,即进行报警。2.根据权利要求1所述的基于多源信息融合的动力电池热失控报警方法,其特征在于,步骤一中,同步获取当前时刻n个动力电池的温度,再分别与当前时刻的电池箱内部温度、电池箱内co浓度、电池箱内烟雾浓度组成n组数据组;其中,第i组数据组包括第i种热失控特征参数的数据p
i
。3.根据权利要求2所述的基于多源信息融合的动力电池热失控报警方法,其特征在于,步骤二包括:依据p
i
,获取其所对应的未发生热失控的阈值区间a、发生热失控的阈值区间b,并分别计算p
i
与a的欧式距离q(p
i
,a)、p
i
与b的欧式距离q(p
i
,b);基于q(p
i
,a),计算当前时刻各热失控特征参数未发生热失控的基本概率赋值函数m1(p
i
);其中,基于q(p
i
,b),计算当前时刻各热失控特征参数发生热失控的基本概率赋值函数m2(p
i
);其中,4.根据权利要求3所述的基于多源信息融合的动力电池热失控报警方法,其特征在于,步骤三包括:计算的信息熵iv
i
及其方差m1(p
i
)iσ
i
;
其中,iσ
i
=var(iv1,iv2,
…
,iv
n
);基于iv
i
、iσ
i
构建出模糊偏好矩阵e;其中,e
ij
表示e中第i行第j列的元素,基于e计算其一致性矩阵e;其中,其中,表示中第i行第j列的元素;计算一致性的排序值r
i
并作为置信度cred
i
;其中,对cred
i
进行归一化处理并作为权重因子w
i
;其中,将w
i
与m1(p
i
)进行加权平均,得到加权后的基本概率赋值函数m1′
(p
i
);其中,5.根据权利要求4所述的基于多源信息融合的动力电池热失控报警方法,其特征在于,步骤三还包括:计算m2(p
i
)的信息熵iv
i
′
及其方差iσ
′
i
;其中,iσ
′
i
=var(iv1′
,iv
′2,
…
,iv
′
n
);基于iv
i
′
、iσ
′
i
构建出模糊偏好矩阵e
′
;其中,
e
′
ij
表示e
′
中第i行第j列的元素,基于e
′
计算其一致性矩阵其中,其中,表示中第i行第j列的元素;计算一致性的排序值r
′
i
并作为置信度cred
′
i
;其中,对cred
′
i
进行归一化处理并作为权重因子w
′
i
;其中,将w
′
i
与m2(p
i
)进行加权平均,得到加权后的基本概率赋值函数m2′
(p
i
);其中,6.根据权利要求5所述的基于多源信息融合的动力电池热失控报警方法,其特征在于,步骤四包括:将m1′
(p
i
)按照ds证据理论合成规则计算得到处于未发生热失控的概率m(u1);其中,将m2′
(p
i
)按照ds证据理论合成规则计算得到处于发生热失控的概率m(u2);其中,比较m(u1)、m(u2)得到融合结果;其中,若m(u1)>m(u2),表示第i个动力电池未发生热失控;若m(u1)<m(u2),表示第i个动力电池发生热失控。7.根据权利要求6所述的基于多源信息融合的动力电池热失控报警方法,其特征在于,步骤四还包括:依据m(u1)、m(u2)计算处于不确定状态的概率其中,8.根据权利要求7所述的基于多源信息融合的动力电池热失控报警方法,其特征在于,步骤四还包括:
在进行报警的同时,向电池箱内充注氮气。9.基于多源信息融合的动力电池热失控报警系统,其特征在于,其使用了如权利要求1-5中任一所述的基于多源信息融合的动力电池热失控报警方法;所述动力电池热失控报警系统包括:数据采集单元,其用于获取当前时刻第i种热失控特征参数的数据p
i
;i∈[1,n],n表示热失控特征参数的种类;基本概率赋值函数计算单元,其用于依据p
i
,分别计算出其未发生热失控的基本概率赋值函数m1(p
i
)、发生热失控的基本概率赋值函数m2(p
i
);基本概率赋值函数加权单元,其用于对m1(p
i
)、m2(p
i
)进行相同处理,得到加权后的未发生热失控的基本概率赋值函数m1′
(p
i
)、加权后的发生热失控的基本概率赋值函数m2′
(p
i
),以消除p
i
的不确定性;证据融合单元,其用于基于m1′
(p
i
)、m2′
(p
i
),分别按照ds证据理论合成规则计算得到融合结果;以及报警单元,其用于在融合结果为n个动力电池中至少有1个动力电池发生热失控,即进行报警。10.根据权利要求9所述的基于多源信息融合的动力电池热失控报警系统,其特征在于,所述动力电池热失控报警系统还包括:热失控抑制模块,其用于在进行报警的同时,向电池箱内充注氮气。
技术总结
本发明涉及新能源汽车动力电池技术领域,更具体的,涉及一种基于多源信息融合的动力电池热失控报警方法、系统。本发明对当前时刻的热失控特征参数的数据进行基本概率赋值处理、并通过信息熵等方式求取到权重因子,对基本概率赋值函数进行加权,从而消除采集的热失控特征参数的数据存在的不确定性,并得到当前时刻热失控状态的准确判断结果。本发明采用多任务并行处理的方式,同步对电池箱内的N个动力电池进行分析,从而定位到电池箱内发生热失控的位置,方便后续对热失控进行处理、防止热失控进一步的扩散。进一步的扩散。进一步的扩散。
技术研发人员:张红伟 韩洋 王悦 陆风旭 阳登江 刘孜昂 孟玥儿
受保护的技术使用者:安徽大学
技术研发日:2023.07.31
技术公布日:2023/9/23
版权声明
本文仅代表作者观点,不代表航家之家立场。
本文系作者授权航家号发表,未经原创作者书面授权,任何单位或个人不得引用、复制、转载、摘编、链接或以其他任何方式复制发表。任何单位或个人在获得书面授权使用航空之家内容时,须注明作者及来源 “航空之家”。如非法使用航空之家的部分或全部内容的,航空之家将依法追究其法律责任。(航空之家官方QQ:2926969996)
航空之家 https://www.aerohome.com.cn/
航空商城 https://mall.aerohome.com.cn/
航空资讯 https://news.aerohome.com.cn/
上一篇:漂行物清理装置及系统 下一篇:一种梯度线圈线性度的测量方法及测量系统与流程