[发明专利]一种动力电池故障检测方法和装置在审
| 申请号: | 202211644310.8 | 申请日: | 2022-12-20 |
| 公开(公告)号: | CN115902631A | 公开(公告)日: | 2023-04-04 |
| 发明(设计)人: | 赵英平;杨金硕;张建彪;杨红新 | 申请(专利权)人: | 章鱼博士智能技术(上海)有限公司 |
| 主分类号: | G01R31/36 | 分类号: | G01R31/36;G01R31/367;G06F18/23;G06F17/16 |
| 代理公司: | 北京睿博行远知识产权代理有限公司 11297 | 代理人: | 孙孟清 |
| 地址: | 201800 上海*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 动力电池 故障 检测 方法 装置 | ||
1.一种动力电池故障检测方法,其特征在于,所述方法包括:
获取动力电池在预设时间间隔内的历史运行数据,基于预设标准化算法对所述历史运行数据进行标准化处理,得到标准化数据;
基于预设聚类算法对所述标准化数据进行聚类分析,得到多个子类;
基于典型关联分析算法对所述子类进行关联分析,得到与所述子类对应的T2统计量和SPE统计量;
根据所述T2统计量和所述SPE统计量确定故障检测结果。
2.如权利要求1所述的方法,其特征在于,基于典型关联分析算法对所述子类进行关联分析,得到与所述子类对应的T2统计量和SPE统计量,具体为:
基于预设滞后阶次构造与所述子类对应的过去信息向量和未来信息向量;
根据所述过去信息向量构造过去汉克尔矩阵,并根据所述未来信息向量构造未来汉克尔矩阵;
基于奇异值分解算法对所述过去汉克尔矩阵和所述未来汉克尔矩阵处理,得到典型变量参数矩阵和残差参数矩阵;
根据所述典型变量参数矩阵得到所述T2统计量,并根据所述残差参数矩阵得到所述SPE统计量。
3.如权利要求1所述的方法,其特征在于,根据所述T2统计量和所述SPE统计量确定故障检测结果,具体为:
若所述T2统计量大于第一预设控制限,和/或所述SPE统计量大于第二预设控制限,确定所述动力电池存在故障;
若所述T2统计量不大于所述第一预设控制限,且所述SPE统计量不大于第二预设控制限,确定所述动力电池不存在故障。
4.如权利要求3所述的方法,其特征在于,在确定所述动力电池存在故障之后,所述方法还包括:
根据所述T2统计量生成第一贡献图,并根据所述SPE统计量生成第二贡献图;
根据所述第一贡献图中的第一最大贡献率和所述第二贡献图中的第二最大贡献率确定引起故障的原因变量。
5.如权利要求1所述的方法,其特征在于,在基于预设聚类算法对所述标准化数据进行聚类分析,得到多个子类之前,所述方法还包括:
基于互信息算法确定所述标准化数据中各数据变量两两之间的相关性值;
按各所述相关性值的大小将各所述数据变量顺序排列。
6.一种动力电池故障检测装置,其特征在于,所述装置包括:
标准化模块,用于获取动力电池在预设时间间隔内的历史运行数据,基于预设标准化算法对所述历史运行数据进行标准化处理,得到标准化数据;
聚类模块,用于基于预设聚类算法对所述标准化数据进行聚类分析,得到多个子类;
分析模块,用于基于典型关联分析算法对所述子类进行关联分析,得到与所述子类对应的T2统计量和SPE统计量;
确定模块,用于根据所述T2统计量和所述SPE统计量确定故障检测结果。
7.如权利要求6所述的装置,其特征在于,所述分析模块,具体用于:
基于预设滞后阶次构造与所述子类对应的过去信息向量和未来信息向量;
根据所述过去信息向量构造过去汉克尔矩阵,并根据所述未来信息向量构造未来汉克尔矩阵;
基于奇异值分解算法对所述过去汉克尔矩阵和所述未来汉克尔矩阵处理,得到典型变量参数矩阵和残差参数矩阵;
根据所述典型变量参数矩阵得到所述T2统计量,并根据所述残差参数矩阵得到所述SPE统计量。
8.如权利要求6所述的装置,其特征在于,所述确定模块,具体用于:
若所述T2统计量大于第一预设控制限,和/或所述SPE统计量大于第二预设控制限,确定所述动力电池存在故障;
若所述T2统计量不大于所述第一预设控制限,且所述SPE统计量不大于第二预设控制限,确定所述动力电池不存在故障。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于章鱼博士智能技术(上海)有限公司,未经章鱼博士智能技术(上海)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211644310.8/1.html,转载请声明来源钻瓜专利网。





