電動車鋰電池管理系統的研究—模糊診斷專家系統

專家系統(EXpERTSYSTEM)是一個具有大量專門知識的程序系統，它使用人工智能(ARTIFICIALINTELLIGENCE，簡稱AI)技術，依據一個或多個人類專家供應的特殊范疇知識進行推理，模擬人類專家作決定的過程來處理那些要專家才能處理的復雜問題。電池包故障診斷模糊專家系統是電池管理系統的一部分，它以模糊數學與模糊診斷原理為基礎，將電池專家和有關蓄電池使用和維護的書籍上總結出的相關經驗和規矩存入知識庫中，以電池的歷史檔案、運行狀況和上一次的診斷結果為根據，采用模糊綜合評判的辦法對電池故障進行診斷，同時給出電池的健康狀況和維護信息。通過專家診斷系統，我們可以選擇出性能較差的電池，保證純電動車或者混合電動車的車用電池包性能上的一致，也使剩余電量估計模型能夠更準確更好的使用于電動車上。

7.1模糊數學與模糊診斷辦法

在電池故障診斷中專家所描述的癥狀，如“電壓上升快”、“充電不足”、“電壓下降快”等，是界限不清的模糊集合。我們通過模糊數學模型加以描述。用模糊關系矩陣來反映某些故障機理，并選用適當的隸屬函數，用相應的隸屬度來描述這些癥狀存在的傾向性。模糊故障診斷辦法就是依據某些癥狀的隸屬度來求出各種故障的隸屬度，用以表征各種故障存在的傾向性，為判斷電池故障和采取補救措施的決策供應科學的根據。下面解析模糊數學模型和我們采用的綜合評判辦法。

兩論域之間顯然存在著某種模糊關系。例如，某一故障將引起若干強弱不同的癥狀，而某一癥狀也表征著若干個故障的存在。這個模糊關系可通過隸屬度表示，例如，可定出癥狀xj相應于故障vi的隸屬度：

它組成了論域U和論域V之間的模糊關系矩陣：

倘若已知模糊關系矩陣R和模糊向量α，就可求得模糊向量β。

這就是多因素評判：

其中，各癥狀的隸屬度向量α可以從測量數據和歷史檔案通過一定的隸屬函數求得。至于模糊關系矩陣，它是大量分解、試驗、探測和現場踐行相關經驗的總結，可以通過大量試驗和總結有關專家，技術人員和工人的相關經驗來決定。同時還可以參考大量的相關資料和前人的相關經驗。

在我們的系統中采用的運算模型將模糊關系的運算式展開如下：

其中“*”為代數乘，運算(r1j*μxj)可看成是對隸屬度μxj的加權修正，rij可看成是加權值，因而要求rij歸一化，即令

而代數和“+”則表示對諸因素

聲明： 本站所發布文章部分圖片和內容自于互聯網，如有侵權請聯系刪除