[发明专利]一种电池包结构健康状态在线监测与故障预报方法及装置

说明书

本发明公开一种电池包结构健康状态在线监测与故障预报方法及装置，用于动力电池中各模组振动疲劳状态监测报警。该方法包括若干单向加速度传感器、电荷放大器、数据采集板、存储模块，各加速度传感器布置在各模组中间及电池包与车身连接部位上，由电荷放大器将由加速度传感器采集的信号放大并由BMS中的数据采集板采集，提取工作模态特征量，将提取的特征量与初始值进行比较判断，并在大于设定阈值时输出报警信号。本发明针对电池包结构在真实工作环境下的结构健康监测问题，对行驶中监测的数据进行处理和分析，得出电池包在实际使用时的模态参数，为真实工作环境下电池结构健康状态在线监测与故障预报以及判定结构损伤的发生提供了一种新的方法。

技术领域：

本发明涉及电池技术领域，特别是涉及一种电池包结构健康状态在线监测与故障预报方法及装置。

背景技术：

近年来，电动汽车发展迅速，相关的核心部件也飞速发展。作为电动汽车的核心动力部件，电池对整车的使用性能具有重大影响。现有的对于动力电池的监测多为单体电压、温度、充放电电流；电池总电压、总电流、绝缘电阻；电量估计等。而对于电池结构健康状态在线监测与故障预报方面的研究十分欠缺。

基于振动模态分析理论的损伤识别的基本原理是任何结构都可以看作是由刚度、质量、阻尼矩阵等结构参数组成的动力学系统。结构一旦发生损伤，其结构参数就会发生改变，从而导致相应的模态参数和频响函数的变化。因此，模态参数的改变可以视为结构损伤发生变化的标志，可以利用损伤出现前后结构动力特性的变化来诊断结构的损伤。在识别过程中首先应利用模态分析技术，获得未损伤结构或者其数学模型、实验模型的动力特性参数作为基准信息，然后通过与待测损伤结构相应的动力特性参数进行比较，从而判定结构损伤的发生、位置和程度。

将基于振动模态分析理论的损伤识别应用在动力电池方面是一个重要的研究方向。目前其理论及技术只应用于动力电池相关的强检，即在实验室进行一定时间和条件的强度检测实验。国标要求的电池振动测试是在一定的功率谱密度下进行，在测试中只监测电压的变化以及系统是否结构完好，有无冒烟、泄露等，试验后检测绝缘阻值。忽略了不同车型、安装方式、安装位置等因素带来的差异，故同一强检标准的实用性有待探索。此外，强检方法为一种离线检测方法，不能实时在线反馈电池包结构的健康状态。而在线结构健康监测具有实时性、长期性与自动化性等特点，能长期实时地监测并进行安全性评估，降低人工误判，大大提高安全性和可靠性，有待去深入研究和发展。

发明内容：

本方法涉及一种电池包结构健康状态在线监测与故障预报方法及装置，用于动力电池中各模组振动疲劳状态监测报警。该方法包括若干单向加速度传感器、电荷放大器、数据采集板、存储模块，各加速度传感器布置在各模组中间及电池包与车身连接部位上，由电荷放大器将由加速度传感器采集的信号放大并由BMS中的数据采集板采集，提取工作模态特征量，将提取的特征量与初始值进行比较判断，并在大于设定阈值时输出报警信号。

本发明采用如下技术方案：一种电池包结构健康状态在线监测与故障预报方法，包括如下步骤：

步骤1)、加速度传感器选择及布置，将加速度传感器在电池模组上均匀分布；

步骤2)、数据采集由车速触发，车速大于v开始采集，车速小于v停止采集；

步骤3)、数据长度与稳定性判断，首先判断数据长度是否大于N，如大于N，再判断数据的稳定性，车辆加速度稳定在e内时，开始模态参数抽取，否则丢弃当前数据；

步骤4)、数据处理，采用Poly MAX方法对数据进行处理，得模态参数F^(k)、Φ^(k)；

步骤5)、利用MAC值判断模态参数的质量，设置一个阈值，满足MAC的对角线大于0.8，非对角线小于0.2，如果不满足，丢弃当前数据，第k次模态参数抽取MAC判断：

将满足上述条件的加速度传感器数据以及模态参数保存至存储模块；