一种电动汽车电池故障诊断方法和装置制造方法及图纸

本申请实施例公开了一种电动汽车电池故障诊断方法，预先获取历史电池特征数据，并针对一个故障类型从所获取的历史电池特征数据选取正样本和负样本，进而根据机器学习算法，基于该故障类型的正样本和负样本，训练该故障类型对应的弱分类器，并基于该弱分类器构建电池故障分类器；在利用上述电池故障分类器诊断电池故障时，获取待诊断电池的电池特征数据，将该电池特征数据输入至电池故障分类器，该电池故障分类器至少包括一个分类器，并且一个分类器对应于一种故障类型，电池故障分类器可以自动根据电池特征数据确定待诊断电池所属的故障类型，无需工程师人工确定待诊断电池的故障类型，大大减少了工程师对电动汽车进行电池故障诊断时的工作量。

A method and device for battery fault diagnosis of electric vehicle

【技术实现步骤摘要】
一种电动汽车电池故障诊断方法和装置
本申请涉及电池故障诊断领域，特别是涉及一种电动汽车电池故障诊断方法和装置。
技术介绍
电动汽车电池是电动汽车上的动力来源，电动汽车的起动、行驶均需要依赖电池提供的电能，一旦电动汽车电池发生故障，将对电动汽车的工作产生很大的影响。因此，及时准确地对电动汽车电池进行故障诊断十分重要。现有技术中，电动汽车电池发生故障时，通常需要工程师读取电池监测装置(BatteryMonitoringUnit，BMU)发出的故障码，结合非易失存储器(Non-volatileMemory，NVM)中存储的电池电压、温度等数据，对当前电池的故障情况进行分析，得到电池故障诊断结果。采用上述现有技术对电动汽车电池进行故障检测时，往往需要工程师具有丰富的诊断经验，并且具有较强的数据分析能力和故障判断能力，才能够得到准确的故障诊断结果，对于工作经验不太丰富的工程师来说，诊断得到的故障诊断结果很可能准确度不高。
技术实现思路
为了解决上述技术问题，本申请提供了一种电动汽车电池故障诊断方法，能够自动对待本文档来自技高网...

【技术保护点】
1.一种电动汽车电池故障诊断方法，其特征在于，所述方法包括：/n获取历史电池特征数据；/n对于一个故障类型，从所述历史电池特征数据中选取属于所述故障类型的电池特征数据作为正样本，从所述历史电池特征数据中选取不属于所述故障类型的电池特征数据作为负样本；/n根据机器学习算法，训练所述故障类型的正样本和负样本得到对应于所述故障类型的弱分类器；/n根据所述弱分类器构建电池故障分类器；/n获取待诊断电池的电池特征数据；/n将所述待诊断电池的电池特征数据输入所述电池故障分类器，所述电池故障分类器至少包括一个分类器，一个所述分类器对应于一种故障类型；/n根据所述电池故障分类器输出的诊断数据，确定所述待诊断电...

【技术特征摘要】
1.一种电动汽车电池故障诊断方法，其特征在于，所述方法包括：
获取历史电池特征数据；
对于一个故障类型，从所述历史电池特征数据中选取属于所述故障类型的电池特征数据作为正样本，从所述历史电池特征数据中选取不属于所述故障类型的电池特征数据作为负样本；
根据机器学习算法，训练所述故障类型的正样本和负样本得到对应于所述故障类型的弱分类器；
根据所述弱分类器构建电池故障分类器；
获取待诊断电池的电池特征数据；
将所述待诊断电池的电池特征数据输入所述电池故障分类器，所述电池故障分类器至少包括一个分类器，一个所述分类器对应于一种故障类型；
根据所述电池故障分类器输出的诊断数据，确定所述待诊断电池所属的故障类型。


2.根据权利要求1所述的方法，其特征在于，所述根据所述弱分类器构建电池故障分类器，包括：
对应于一个故障类型训练一个所述弱分类器，所述弱分类器为所述电池故障分类器。


3.根据权利要求2所述的方法，其特征在于，所述根据所述电池故障分类器输出的诊断数据，确定所述待诊断电池所属的故障类型包括：
若所述电池故障分类器输出的诊断数据大于第一预设阈值，则所述待诊断电池属于所述电池故障分类器对应的故障类型；
若所述电池故障分类器输出的诊断数据小于所述第一预设阈值，则所述待诊断电池不属于所述电池故障分类器对应的故障类型。


4.根据权利要求1所述的方法，其特征在于，所述根据所述弱分类器构建电池故障分类器，包括：
对应于一个故障类型训练至少两个所述弱分类器，根据所述至少两个弱分类器构建对应于所述故障类型的强分类器，所述强分类器为所述电池故障分类器。


5.根据权利要求4所述的方法，其特征在于，所述根据所述电池故障分类器输出的诊断数据，确定所述待诊断电池所属的故障类型包括：
若所述电池故障分类器输出的诊断数据大于第二预设阈值，...

【专利技术属性】
技术研发人员：陆珂伟，王林，李强，蒋笑笑，韩冰，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：上海;31