[发明专利]一种基于概率分布的车载飞轮电池故障诊断系统

说明书

本发明公开了一种基于概率分布的车载飞轮电池故障诊断系统，以无轴飞轮电池的结构为研究对象，对轴系不对中、转子裂纹、动静件碰摩三种单故障动力学分析，建立其运动微分方程，依据动力学方程建立轴系不对中、转子裂纹、动静件碰摩三种单故障转子模型，对其它单故障转子建立双参数系统动力学模型。依靠上述四种模型得到残差，输入到概率算法模块，计算各卡尔曼滤波器模型的条件概率，对各状态条件概率取加权平均值，从而形成飞轮电池的混合状态估计。本发明不仅能够避免人为因素的干扰，提高转子故障诊断精度，而且能够做到实时监测，推动飞轮电池基于模型的控制系统的发展，推进车载飞轮电池的应用。

技术领域

本发明属于电动汽车车载飞轮电池控制领域，具体涉及一种电动汽车的车载飞轮电池转子故障类型的诊断系统。

背景技术

当前全球汽车工业发展迅速，传统汽车排放的尾气使大气污染严重。新能源汽车因其“零排放，灵活轻便”的特点方便了人们出行，缓解了大气污染，因此发展迅速。电池作为电动汽车的核心部件之一，决定了电动汽车的续航性能和安全度。化学电池因其能量密度高得到广泛应用，但其发热量高，安全性低。

飞轮电池是一种新型储能装置，拥有充放电电流大且时间短、环境适应性能好、能量转换效率高、循环寿命长等特点。飞轮电池应用于电动汽车具有广泛的前景。电动汽车用飞轮电池的发展依赖于三大关键技术之一的飞轮转子稳定控制技术。

电动汽车行驶路况复杂，飞轮转子需要工作在恶劣的环境，其受力状况复杂多变，容易发生故障。常见的转子故障主要有三种：轴系不对中、转子裂纹、动静件碰摩故障。转子不对中故障常引发转子整体振动加剧、联轴器偏转、轴承及联轴器磨损、转子挠曲变形、转定子碰磨、支撑负荷恶化、汽封间隙不均匀等故障。电动汽车的车载飞轮电池转子往往需要持续工作在高转速、高温等极端工况下，在离心载荷、热载荷、气动载荷等复杂交变载荷的共同长期作用下，使得转子易发生裂纹故障。发生裂纹故障转子会产生应力集中现象，应力集中现象在裂纹前缘线上尤其严重。此外由裂纹而引起的非均匀导热，将使转子发生严重的热弯曲。同时在热应力以及热冲击等的共同作用下使得裂纹前缘的应力强度因子迅速增大，致使裂纹进一步扩展，对飞轮电池的稳定与安全运行造成很大威胁。动静件碰摩故障是指飞轮电池系统转动部件与静止部件发生碰摩。它属于一种振动故障，使得汽车在行驶过程中发生剧烈抖动，降低乘车稳定性舒适性。

这些故障使得电动汽车用飞轮电池的可靠性降低，汽车行驶的安全性降低。如此，对转子的故障进行诊断分析就具有现实意义。

传统的基于信号处理的故障诊断方法虽然有着较强的实用性，但这种实用性是相对于有经验的工作人员或是专家来说的。而且，这种方法往往包含过多人为的判断。另外基于模糊理论的诊断方法也有很大的缺点：目前主要凭经验进行获得模糊规则及隶属函数即系统的设计办法。比如，对于转子裂纹故障的诊断大多基于轴心轨迹诊断，频谱诊断和振动信号特征诊断，这往往加入了人为因素。近年兴起的基于人工智能的神经网络诊断操作性不强。

发明内容

本发明的目的是以无轴飞轮电池的结构为研究对象，提出一种基于概率分布的车载飞轮电池故障诊断系统，能够克服传统诊断方法如模糊理论的诊断人为干扰的不足，智能地推出车载飞轮电池转子的故障类型，提高转子故障的早期预示和诊断精度，推动电动汽车用飞轮电池的发展应用。

本发明是通过以下技术方案实现上述技术目的的。

一种基于概率分布的车载飞轮电池故障诊断系统，包括依次连接的模型估计模块、概率算法模块和加权算法模块，模型估计模块中各卡尔曼滤波器输入量测矢量Z和输入矢量U，各卡尔曼滤波器根据自身模型和输入矢量U，输出对当前系统状态的估计值，形成对量测矢量的预测值，将预测值与实际的量测矢量Z相减得到输出残差，残差输入到概率算法模块中，计算各卡尔曼滤波器模型的条件概率，加权算法模块对各状态条件概率取加权平均值，从而形成飞轮电池的混合状态估计。