一种基于时频图像处理的电池故障诊断方法技术

本发明专利技术提出了一种基于时频图像处理的电池故障诊断方法，包括：采集正常电池和故障电池的一维电压数据作为原始数据集；对采集的电压数据进行时频处理，转化为二维时频图；将二维时频图进行灰度化处理，计算得到灰度共生矩阵；并提取灰度共生矩阵相关特征集，利用基于密度的聚类算法对图像特征进行诊断识别；从而实现电池故障诊断。本发明专利技术的特点是将一维电压信号转为二维时频图后，更能体现电池故障信息，故障诊断具有很高的精确性和稳定性。本发明专利技术提供了一种准确度高，误报少的故障单体电池检测方法，该方法解决了现有技术中很难有效诊断故障单体电池的问题。

【技术实现步骤摘要】
一种基于时频图像处理的电池故障诊断方法
本专利技术属于电池故障诊断
，具体涉及一种基于时频图像处理的电池故障诊断方法。
技术介绍
锂离子电池因具有循环寿命长、高比能量、自放电率低等优点，以锂离子电池作为动力电池的电动汽车逐渐成为未来汽车发展的主流方向。然而，锂离子电池故障导致的热失控着火事故时有发生，严重威胁人民的生命安全。车载电池系统在实际的运行过程中当遭受一定程度的机械-电-热滥用，会导致电池性能的快速衰退，甚至会引发电池故障并最终发展为热失控，造成严重的安全事故。为了避免这些情况的发生，必须快速准确地诊断出电池中发生的故障并进行安全预警，从而提高电池使用的安全性。目前，锂离子电池故障诊断技术依然是电池安全问题研究的一个难点，故障诊断的方法主要分为基于模型的故障诊断和基于数据驱动的故障诊断。由于电池运行工况条件的实时变化以及锂离子电池的高度非线性，高准确度模型的建立较为困难。基于数据驱动的故障诊断方法不需要建立精确的电池模型，只需要对电池数据进行处理，通过设置阈值来对电池故障进行诊断，处理方法较为简单，准确度较低，很难本文档来自技高网...

【技术保护点】
1.一种基于时频图像处理的电池故障诊断方法，其特征在于，包括以下步骤：/nS1，采集电池组使用过程中的一维电压数据作为原始数据集，其中原始数据集应包括正常单体电池和故障单体电池的电压数据；/nS2，对采集的一维电压数据进行时频处理，获得电池的二维时频图像；/nS3，通过对获得的时频图像进行计算获得灰度共生矩阵，描述图像纹理分布特征；/nS4，选取灰度共生矩阵五个特征集即能量、对比度、熵、相关性和逆差矩，并利用主成分分析法进行降维，得到2维故障特征集；/nS5，利用基于密度的聚类算法进行单体电池故障诊断。/n

【技术特征摘要】
1.一种基于时频图像处理的电池故障诊断方法，其特征在于，包括以下步骤：
S1，采集电池组使用过程中的一维电压数据作为原始数据集，其中原始数据集应包括正常单体电池和故障单体电池的电压数据；
S2，对采集的一维电压数据进行时频处理，获得电池的二维时频图像；
S3，通过对获得的时频图像进行计算获得灰度共生矩阵，描述图像纹理分布特征；
S4，选取灰度共生矩阵五个特征集即能量、对比度、熵、相关性和逆差矩，并利用主成分分析法进行降维，得到2维故障特征集；
S5，利用基于密度的聚类算法进行单体电池故障诊断。


2.如权利要求1所述的基于时频图像处理的电池故障诊断方法，其特征在于，所述步骤S2中对采集的一维电压数据u(t)进行时频处理，转化为二维的时频图像；其中时频处理采用小波变换：



其中代表母小波，a为伸缩因子，b为平移因子，C(a,b)为小波变换系数。


3.如权利要求1所述的基于时频图像处理的电池故障诊断方法，其特征在于，所述步骤S4计算获得灰度共生矩阵p，依据公式为：
p(i,j,α,β)＝{(m,n),(m+dm,n+dn)∈M*M,f(m,n)＝i,f(m+dm,n+dn)＝j}(2)
其中,M*M为图片尺寸，(m,n)为参考点，(m+dm,n+dn)为偏移点，f(m,n)＝i表示参考点的灰度值为i,f(m+dm,n+dn)＝j表示偏移点的灰度值为j，αβ分别表示偏移点的偏移值和偏移角度。


4.如权利要求1所述的基于时频图像处理的电池故障诊断方法，其特征在于，所述步骤S5提取的能量POWER，依据公式为：





5.如权利要求1所述的基于时频图像处理的电池故障诊断方法，其特征在于，所述步骤S5提取的特征熵值ENY，依据公式为：





6.如权利要求1所述的基于时频图像处理的电池故障诊断方法，其特征在于，所述步骤S5提取的特征对比度CON，依据公式为：





7.如权利要求1所述的基于时频图像处理的电池故障诊断方法，其特征在于，所述步骤...

【专利技术属性】
技术研发人员：常春，王启悦，姜久春，高洋，廖力，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：湖北;42