|
鋰離子電池在使用中容易發生故障，如何及時、準確地診斷電池故障，可以延長電池使用壽命，提高電池一致性及可靠性。因此，電池在線故障診斷是電池使用領域的一個重要研究課題。考慮電池在使用中出現的故障現象、故障原因的復雜性，這些故障難以用準確的數學模型表述，也無法用準確的判斷依據來診斷。因此，我們需要引入模糊理論，以模糊數學與模糊診斷原理為基礎，給出一種電池故障模糊診斷方法。 本章首先介紹了模糊控制的相關理論知識，然后給出一種模糊故障診斷方法，進而對該模糊診斷方法進行了深入的分析和研究。 6.1模糊控制技術概述 1965年，美國的L.A.Zadeh創立了模糊集合論;1973年他給出了模糊邏輯控制的定義和相關的定理。模糊集合這個概念的出現為經典模糊控制器的形成奠定了基礎。 20世紀70年代末，出現了最優模糊控制、自組織模糊控制器、模糊控制規則分析以及模糊控制器的代數模型等理論成果，這些理論的出現為模糊控制的發展提供了很大的幫助。此外，這段時間在模糊控制模型辨識方面也進行了一些探索。 進入80年代，各種自適應模糊控制方法、模糊-PID、混合控制、模糊預估計控制、預見式模糊控制等多種模糊控制器的改進形式出現了。 90年代至今，在模糊控制技術大量成功應用的促進下，模糊控制理論和應用研究也進入了新階段。人們在現有成果的基礎上將自動控制學科中一些較成熟的理論和方法引入模糊控制建立其理論框架，并和精確域的控制方法以及其它智能化方法相結合形成了多種模糊控制新模式。在應用方面提出了模糊控制、模糊監督控制、模糊邏輯與神經網絡、遺傳算法相結合的方法等，并在工業應用中獲得了滿意的效果。例如：設計出了模糊洗衣機、空調、微波爐、吸塵器、照相機和攝錄機等新型的家用電器設備;在水凈化處理、發酵過程、化學反應釜、水泥窯爐等工業控制領域中應用模糊控制;在地鐵靠站停車、汽車駕駛、電梯、自動扶梯、蒸汽引擎以及機器人等專用系統中的模糊控制等。 在實際工程應用中，通常都是采用微型計算機來完成模糊控制算法的。目前 的一個研究趨勢是采用單片機來實現模糊控制。單片機具有集成度高、靈活性好、開發方便且開發周期短等優點，這些使單片機成為搭建模糊控制器的理想平臺。 6.2模糊控制的理論基礎 模糊控制的理論基礎主要包含以下幾個概念： 模糊集合、隸屬函數、模糊關系、模糊邏輯和模糊推理。 模糊集合這個概念是在1965年由美國加州大學的自動控制理論專家提出的。 模糊集合相對于普通集合來說，區別在于：普通集合所表達的概念是準確的，而模糊集合所表達的概念是界限不清的，它不能用單純的“是”或者“否”來界定。 模糊集合這一概念的出現使得數學的思維和方法可以用于處理模糊性現象，從而出現了模糊數學這門學科。 隸屬函數是模糊數學最基本和最重要的概念。隸屬函數定義如下：用于描述模糊集合，并在[0，1]閉區間可以連續取值的特征函數叫做隸屬函數。隸屬函數的值稱為隸屬度，隸屬度是用于描述一個元素屬于一個模糊集合的程度。模糊集合中，由于模糊關系的不確定性，不能僅僅用“1”或者“0”來表示，而需要從0~1之間取值來表示其關系。這樣，就可以定義一個無窮多值的連續特征函數，通過特征函數和隸屬函數的關系來描述模糊集合。隸屬函數用μA(x)表示，其中A表示模糊集合，而x是A的元素，隸屬函數滿足： 0≤μA(x)≤1。 模糊關系是模糊理論中一個重要概念。模糊關系的定義是：以集合A和B的直積A×B=﹛﹙a,b﹚|a∈A,b∈B﹜為論域的一個模糊子集R，稱為集合A到B的模糊關系。 如果，﹙a,b﹚∈A×B則稱μR﹙a,b﹚為﹙a,b﹚具有關系的程度，μR﹙a,b﹚也可簡化為R﹙a,b﹚。其中的子集R稱為A到B的模糊關系，用公式表示為R=A×B。其中，模糊集合A和B的隸屬度我們可以通過對控制的系統的實驗和總結得到，那么通過上式求出關系R，以R作為控制規則，當系統輸入一個模糊量A*時，通過模糊關系R就可以求出對應的輸出量B*。 模糊邏輯作為一種新的邏輯理論隨著模糊數學而誕生。模糊邏輯是對傳統的數理邏輯的發展。模糊邏輯相對于傳統的數理邏輯而言，區別在于：傳統邏輯只處理明確性命題，用“真”或“假”來表示命題;模糊邏輯則用0~1之間的值來表示模糊關系，因此模糊邏輯也是連續邏輯，具有自身的運算規則和基本性質。模糊邏輯善于表達界限不清晰的定性知識與經驗，它借助于隸屬度函數概念，區分模糊集合，處理模糊關系，模擬人腦實施規則型推理，解決因“排中律”的邏輯破缺產生的種種不確定問題。它是解決各種復雜、非線性問題的有效方法之一。 模糊推理是建立在模糊邏輯基礎之上的一種不確定性推理方法。模糊推理是指己知模糊命題，其中包括大前提規則和小前提已知證據的情況下，推斷出新的模糊命題作為結論的過程，是一種近似推理。 6.3模糊診斷方法 對于電池的模糊故障診斷方法，首先需要了解專家對于電池故障中所出現癥狀的描述，如“電壓上升快”、“充電不足”、“電壓下降快”等，但是這些癥狀是界限不清的模糊集合，我們需要通過模糊數學模型才能對其加以描述。對于每一種癥狀都要選用適當的隸屬函數，并用相應的隸屬度來描述這些癥狀存在的傾向性。同理，電池故障也是模糊集合，每一種故障都可以用隸屬度來表示。電池每一個故障與每一個癥狀之間都存在著模糊關系。模糊故障診斷方法就是首先建立起癥狀隸屬度與故障隸屬度的模糊向量集合，然后把每一個癥狀與每一個故障之間的模糊關系用隸屬度表示，構成一個模糊關系矩陣，最后根據癥狀隸屬度模糊向量和模糊關系矩陣可以求得故障隸屬度的模糊向量，從而得到各種故障存在的傾向性，實現對電池故障的正確判斷，以便及時的進行補救。 這種模糊故障診斷方法用公式來表達，如下所示。 首先，建立兩個論域，即故障論域G和癥狀論域Z. G={故障g1，故障g2，故障g3,…}，其中各元素的隸屬度μgi組成模糊向量(子集) Z={癥狀Z1，癥狀Z2，癥Z狀Z3，…}，其中各元素的隸屬度μzj組成模糊向量 通常，電池的故障會體現若干不同的癥狀，而某一癥狀也表示有可能出現若干個故障，因此這兩個論域之間存在著模糊關系，這種模糊關系即為癥狀Zj對應于故障gi的隸屬度aij=μgi(Zj)，從而得到癥狀與故障之間的模糊關系矩陣： 對于模糊關系矩陣A中各個隸屬度，我們可以通過實驗或專家給出，而癥狀的模糊向量α同樣也可以通過實驗或專家給出，因此A和α我們可以認為是已知，則可通過公式β= Aα求出癥狀的模糊向量β。 我們將上式展開如下： 在這個公式中，可看成是加權值，因此要求 。 6.4模糊系統總體結構 電池組故障模糊診斷系統以信號采集電路所采集到的電池電壓、電流和溫度值為依據，結合知識庫中保存的鋰電池使用和維護的經驗和規則，利用存儲在數據庫中癥狀與故障之間的模糊關系以及設定的診斷規則，采用模糊綜合評判的方法對電池故障進行診斷。其功能結構如圖6.1所示。 該模糊診斷系統主要由以下幾個模塊組成： 1)知識獲取模塊。完善知識庫中的電池診斷方法，擴充和修改癥狀與故障之間的模糊關系矩陣。 2)全局數據庫。除了存放信號采集電路所采集到的電池電壓、電流和溫度值，還記錄在診斷過程中的一些中間數據。 3)規則庫。電池診斷規則和相關知識的存放地點。 4)推理機。依據知識庫中的診斷規則和模糊關系矩陣，控制推理過程。 5)人機接口。進行人機交互。 6.5規則庫建立 規則庫是電池組模糊故障診斷系統中非常重要的一個模塊。規則庫的建立關鍵是要抽象化專家知識，將其變成規則。對于本診斷系統來說，就是需要得到癥 狀的隸屬度函數、癥狀與故障之間的模糊關系矩陣以及對故障的診斷規則，然后將這些信息存儲起來，構建成規則庫。 對于電池組故障診斷系統來說，癥狀與故障之間的關系主要有：電池在閑置時電壓下降較快且電池放置時間長時電壓較低，則表示電池自放電率高;充放電時電池電壓異常，則表示電池內阻過大;當開路時，電池電壓較低且無法帶動負載，則表示電池可能報廢或連接不正常;電池組放電時，其中一節電池電壓下降比別的快，則表示該節電池可能充電不足或該電池已損壞;在充放電時，電池電壓上升和下降速度異常，則表示該節電池容量變小或極板損壞;充電時電壓極高，則電池內部開路。 6.5.1癥狀隸屬函數的確定 癥狀隸屬函數是依據信號采集電路對電池電壓、電流和溫度值的實時采集數據得到的。不同時間段采集到的電池狀態數據都對電池癥狀有所影響，只不過時間不同，采集到的數據對電池癥狀影響的程度不一樣。例如對于“電壓下降快”這個癥狀，在放電的初始階段比后面更能反映該癥狀。因此，先求每個采樣周期的癥狀隸屬度，然后對不同采樣周期設定不同的加權值，最終得到該癥狀的隸屬度。該算法定義如下： 定義： m為采樣階段次數;t為每個采樣階段的采樣次數  LK為電池組中第L個電池出現癥狀K的隸屬度值LKI為電池組中第L個電池出現癥狀K在第i個時間段的隸屬度值(t)LKI為電池組中第L個電池出現癥狀K在第i個時間段的第t次采樣數據的單次隸屬度值;C(n)是加權函數6.5.2單次采樣數據癥狀隸屬函數的確定 在建立規則庫時，我們定義了故障診斷系統中可能出現的電池癥狀，主要有以下幾點： ⑴充電時電池電壓上升快; ⑵放電時電池電壓下降快; ⑶充電溫度高，放電溫度高; ⑷充電時電壓極高，放電電壓極低; 電池出現故障所對應的癥狀主要都是處于充放電兩種狀態下，并且都是跟電池的電壓和溫度這兩種外部特性數據有關，且變化程度分為高、低、極高、極低等。 由此，可得單次采樣數據癥狀隸屬函數如下： Psta(I)為電池的狀態函數，Psts(X)為電池的外部特性數據函數。Psta(I)由其對應的癥狀所描述的狀態決定，Pcha(X)則取決于它所對應的癥狀所描述的電池外部特性數據及其變化程度，一般是一些根據電池的充放電曲線和電池使用經驗數據初步給出并通過試驗調整得出的離散函數。 6.5.3模糊矩陣元素的確定 模糊矩陣元素的確定大多是先由專家根據經驗確定，再在實踐中修正的方法。 在前面我們對電池故障與癥狀之間的模糊關系已經做了一些介紹，某一故障可能因為多個癥狀產生，某一癥狀的產生也可能會引起多個故障。它們之間的隸屬關系通常是處于穩態的。因此我們需要經過多次實驗，依據實驗結果和專家對電池故障特性的研究成果以及經驗，才能最終得到精確的癥狀與故障之間的模糊關系矩陣參數。 6.6推理診斷過程 在建立規則庫時，我們了解到在電池的使用過程中，經常出現的故障主要有電池充電不足、電池損壞、內阻過大、電池容量小、板極損壞等。 這m種故障和這n個癥狀的模糊關系矩陣被保存在數組DIAG[m][n]中，這個數組里保存的是代表規則里各個癥狀因素對故障的作用和影響大小的加權修正值。 如果癥狀i對故障j的作用為零，則DIAG[j]=0. 設某電池的癥狀隸屬度依次為： 故障隸屬度依次為： 則一個具體故障的隸屬度viμ可用以下公式表示： 數組DIAG中各元素的大小是專家系統的各規則的關鍵部分，需要同專家深入討論并不斷用試驗驗證，不符合的要反復調整，直到結果與電池的故障狀態符合為止。 6.7診斷結果 電池組故障診斷結果是通過對電池組做放電實驗得到的。 診斷結果如表6.1所示。 6.8結論 目前，該故障診斷模糊算法中對于電池組癥狀隸屬度的大小還沒有一個明確值，需要經過長期的實驗才能得到其準確的數據。另外，很多規則也需要經過多次的運行才能準確的定義。因此，該算法還不成熟，需要經過長期的運行、實驗和調試才能使其最終完善。 |
