[发明专利]电池系统故障诊断方法及系统

权利要求书

1.一种电池系统故障诊断方法，其特征在于它包括：基于采集电池系统的温度信号、湿度信号、电池电流信号和电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。

2.如权利要求1所述的电池系统故障诊断方法，其特征在于：

所述湿度信号为所述电池系统的电池箱内的湿度信号。

3.如权利要求1所述的电池系统故障诊断方法，其特征在于：

将采集的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，以得到作为所述BP神经网络的输入变量的故障征兆；所述BP神经网络的输出变量为故障原因及其故障可能性。

4.如权利要求3所述的电池系统故障诊断方法，其特征在于：

所述故障征兆为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低，所述故障原因为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水。

5.如权利要求1所述的电池系统故障诊断方法，其特征在于：

存储采集的所述电池系统的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号，存储所述BP神经网络输出的故障诊断结果，基于存储的所述温度信号、所述湿度信号、所述电池电流信号、所述电池电压信号以及所述BP神经网络输出的故障诊断结果，对所述BP神经网络的权值和阀值进行自适应修正，以提高所述BP神经网络输出的故障诊断结果的准确率和诊断效率。

6.一种电池系统故障诊断系统，其特征在于：它包括数据采集模块、神经网络故障诊断模块，其中：该数据采集模块用于采集电池系统的温度信号、湿度信号、电池电流信号、电池电压信号，该神经网络故障诊断模块用于基于采集的该温度信号、该湿度信号、该电池电流信号和该电池电压信号，利用多输入多输出结构的BP神经网络完成电池系统的故障诊断。

7.如权利要求6所述的电池系统故障诊断系统，其特征在于：

所述湿度信号为所述电池系统的电池箱内的湿度信号。

8.如权利要求6所述的电池系统故障诊断系统，其特征在于：

所述电池系统故障诊断系统还包括模糊化处理模块，该模糊化处理模块用于将采集的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号进行模糊化处理，转化为[0，1]范围内的数值，以得到作为所述BP神经网络的输入变量的故障征兆；

所述BP神经网络的输出变量为故障原因及其故障可能性。

9.如权利要求8所述的电池系统故障诊断系统，其特征在于：

所述故障征兆为温度过高、温度过低、湿度过高、电池电流过大、电池电压过高、电池电压过低，所述故障原因为风扇故障、风道堵塞、电池短路、电池漏液、电池过充、电池过放、加热器件损坏、加热器件进水。

10.如权利要求6所述的电池系统故障诊断系统，其特征在于：

所述电池系统故障诊断系统还包括数据库管理模块、神经网络自学习模块，该数据库管理模块包括检测值历史数据库、故障信息数据库、神经网络知识库，其中：

该检测值历史数据库用于存储所述数据采集模块实时采集的所述电池系统的所述温度信号、所述湿度信号、所述电池电流信号和所述电池电压信号；

该故障信息数据库用于存储所述BP神经网络输出的故障诊断结果；

该神经网络知识库用于存储预先训练好的所述BP神经网络的权值和阀值；

该神经网络自学习模块用于基于该检测值历史数据库存储的所述温度信号、所述湿度信号、所述电池电流信号、所述电池电压信号以及该故障信息数据库存储的所述BP神经网络输出的故障诊断结果，对该神经网络知识库存储的所述BP神经网络的权值和阀值进行自适应修正，以提高所述神经网络故障诊断模块的所述BP神经网络输出的故障诊断结果的准确率和诊断效率。