【技术实现步骤摘要】
一种新能源车辆在线电池故障检测分析方法及装置
本专利技术涉及汽车故障检测领域，特别是一种新能源车辆在线电池故障检测分析方法及装置。
技术介绍
新能源汽车包括纯电动汽车、燃料电池汽车、混合动力汽车等，随着新能源车辆制造技术和工艺的发展与进步，越来越多的人选择和使用新能源车辆，此时安全保障便不容忽视，而故障检测是这其中重要且必不可少的一环。以往的故障检测往往是车辆无法正常使用之后，由车主开往维修店进行事后维修和保养，但是这种被意识到的故障往往已错过最佳维修时机，且存在很大的安全隐患。由于电动汽车高频故障主要发生在电池系统上，电池系统故障往往会造成汽车起火等重大事故。鉴于此，对新能源汽车电池运行数据进行线上实时故障分析是业界亟待解决的问题。
技术实现思路
本专利技术的主要目的在于克服现有技术的上述缺陷，提供一种针对新能源车辆电池运行参数数据的在线电池故障检测分析方法及检测装置。为实现上述目的，本专利技术采用以下技术方案：一种新能源车辆在线电池故障检测分析方法，包括以下步骤：S1、根据传感器历史时间流数据...
【技术保护点】
1.一种新能源车辆在线电池故障检测分析方法，其特征在于，包括以下步骤：/nS1、根据传感器历史时间流数据，建立并训练长短时记忆神经网络模型(LSTM)；根据历史故障数据，建立并训练支持向量器模型(SVM)；根据历史故障类型数据，建立并训练分别针对传感器故障和车辆电池故障的两个softmax多分类模型；/nS2、利用各传感器实时采集的车辆实时运行参数数据，通过所述长短时记忆神经网络模型判断是否存在故障，若存在故障，执行下一步；/nS3、通过所述支持向量机模型进行判断，确定所述故障是传感器故障还是车辆电池故障，当所述故障是传感器故障时，执行步骤S4，当所述故障是车辆电池故障时，...
【技术特征摘要】
1.一种新能源车辆在线电池故障检测分析方法，其特征在于，包括以下步骤：
S1、根据传感器历史时间流数据，建立并训练长短时记忆神经网络模型(LSTM)；根据历史故障数据，建立并训练支持向量器模型(SVM)；根据历史故障类型数据，建立并训练分别针对传感器故障和车辆电池故障的两个softmax多分类模型；
S2、利用各传感器实时采集的车辆实时运行参数数据，通过所述长短时记忆神经网络模型判断是否存在故障，若存在故障，执行下一步；
S3、通过所述支持向量机模型进行判断，确定所述故障是传感器故障还是车辆电池故障，当所述故障是传感器故障时，执行步骤S4，当所述故障是车辆电池故障时，执行步骤S5；
S4、通过针对传感器故障的softmax多分类模型判断所述故障的故障类型；
S5、通过针对车辆电池故障的softmax多分类模型判断所述故障的故障类型。
2.如权利要求1所述的新能源车辆在线电池故障检测分析方法，其特征在于，步骤S1中，建立并训练所述长短时记忆神经网络模型具体包括：针对每项传感器数据，以其前n个时刻的历史数据[x1,x2,…,xn]为输入，经过长短时记忆神经网络得到其在当前时刻的预测输出，以最小化真实值与预测值之间的差距为训练的目标函数，训练得到所述长短时记忆神经网络模型；步骤S2中，以所述长短时记忆神经网络模型的预测值和真实测量值进行对比，若差值大于预设阈值，则判断存在故障，否则不存在故障。
3.如权利要求2所述的新能源车辆在线电池故障检测分析方法，其特征在于，所述预设阈值的选择考虑传感器输出的噪声水平，大于传感器噪声的方差。
4.如权利要求1至3任一项所述的新能源车辆在线电池故障检测分析方法，其特征在于，步骤S1中，建立并训练支持向量器模型具体包括：所述支持向量器模型的训练以故障数据及其故障部位即标签值为输入，进行传感器故障和车辆电池故障二分类，以最大化分割平面与两个故障类别样本间的距离为目标函数，训练得到所述支持向量器模型；步骤S3中，以传感器数据为输入，通过所述支持向量器模型得到其故障分类。
5.如权利要求4所述的新能源车辆在线电池故障检测分...
【专利技术属性】
技术研发人员：李志恒，赵雪芳，张凯，于海洋，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。