摘要
本发明涉及一种随机工况电池组的故障诊断方法及装置。方法包括:基于获得的电池单体的状态参数预测矩阵和实际观测参数矩阵进行残差计算和特征提取,得到电池单体的特征矩阵;利用主成分分析法对电池单体的特征矩阵进行降维处理,得到电池单体的综合评价指标;将每个电池单体的综合评价指标与预设阈值相比较,并将综合评价指标超过预设阈值的电池单体确定为故障电池单体;根据故障电池单体对应的特征矩阵和电池单体的初始状态矩阵,构建故障电池单体的故障类型矩阵;将故障电池单体的故障类型矩阵输入训练好的故障类型概率预测模型中,得到故障电池单体的故障类型所对应的触发概率,以对电池组进行故障诊断。本方案,能够实现对电池组的故障类型的准确诊断。
技术关键词
电池单体
综合评价指标
残差矩阵
电池组
主成分分析法
深度学习网络
故障诊断方法
移动平均滤波
滤波器
元素
电池状态参数
车辆状态参数
时序
故障诊断装置
预测模型训练
电压
工况
系统为您推荐了相关专利信息
柔性作业车间
机器运行状态
强化学习算法
工件
机器健康状况
恒流充电阶段
等效电路模型
K均值聚类算法
螳螂
老化模型
能源系统
仿真模型
建模仿真方法
蓄电池管理单元
储能子系统
轴承故障诊断方法
地铁列车牵引电机
残差网络
多模态
降噪模块