孟德安，舒強(qiáng)，王建平，王藝帆，馬宗鈺

（1.長(zhǎng)安大學(xué)汽車學(xué)院，西安 710062；2.公安部道路交通安全研究中心，北京 100062）

傳感器作為電池系統(tǒng)中的數(shù)據(jù)采集單元，對(duì)電池工作狀態(tài)進(jìn)行監(jiān)控。傳感器對(duì)電池系統(tǒng)的正常運(yùn)行至關(guān)重要，電池荷電狀態(tài)（State of Charge，SOC）與健康狀態(tài)的準(zhǔn)確估計(jì)、電池的過(guò)充過(guò)放保護(hù)、做出的各項(xiàng)控制策略，以及對(duì)電池的故障診斷都離不開(kāi)傳感器的精確測(cè)量。傳感器在極端環(huán)境和工況下長(zhǎng)期使用、自身老化等原因都會(huì)導(dǎo)致傳感器測(cè)量精度下降甚至出現(xiàn)故障，影響電池系統(tǒng)安全運(yùn)行，所以應(yīng)及時(shí)對(duì)傳感器故障進(jìn)行診斷。

對(duì)電池傳感器故障診斷的研究大多基于模型方法。TRAN等通過(guò)遞歸最小二乘法實(shí)時(shí)估計(jì)等效電路模型參數(shù)，根據(jù)傳感器故障時(shí)參數(shù)的響應(yīng)性對(duì)傳感器故障進(jìn)行診斷。COUTO等使用雙UKF生成的殘差判斷傳感器是否發(fā)生故障，濾波器是基于簡(jiǎn)化的電化學(xué)模型。YU Quanqing 等提出使用UKF算法求出電池SOC，可以用一段時(shí)間間隔的電流累積量與估計(jì)的SOC 變化量的比估計(jì)出電池容量，用估計(jì)出的電池容量與參考容量之間的殘差診斷電池故障。潘鳳文等將電池模型線性化后，使用滑模觀測(cè)期對(duì)新系統(tǒng)的輸出電流進(jìn)行估計(jì)，并使用基于范數(shù)的殘差評(píng)價(jià)方法診斷電流傳感器故障。TIAN Jiaqiang 等建立了電池組的電熱模型，對(duì)模型的參數(shù)以及電壓和溫度值進(jìn)行估計(jì)，與其他算法相比驗(yàn)證了粒子濾波算法對(duì)電壓和溫度估計(jì)的優(yōu)越性，采用滑動(dòng)窗口的殘差學(xué)習(xí)法消除殘差的異常值，通過(guò)對(duì)多種參數(shù)和狀態(tài)殘差CUSUM 的計(jì)算對(duì)電池系統(tǒng)多種傳感器和電池進(jìn)行故障的識(shí)別與隔離。XU Jun 等提出了一種估計(jì)電池能量狀態(tài)（State of Energy，SOE）并能檢測(cè)電流傳感器故障的方法，通過(guò)比例積分觀測(cè)器可以精確估計(jì)出電流傳感器發(fā)生故障，并且可以精確估計(jì)出電流傳感器發(fā)生故障時(shí)的電流誤差，能夠有效地獲得電流傳感器故障條件下電池的能量狀態(tài)，經(jīng)過(guò)試驗(yàn)驗(yàn)證即使在誤差很嚴(yán)重時(shí)也能快速消除傳感器故障造成的對(duì)能量狀態(tài)估計(jì)的影響。之前使用這些算法的響應(yīng)時(shí)間較長(zhǎng)，并且容易受到傳感器噪聲和積累誤差的影響。

為了去除傳感器自身問(wèn)題對(duì)電池診斷的干擾，本文針對(duì)單一傳感器的故障診斷方法進(jìn)行研究，提出通過(guò)分析模型預(yù)測(cè)電壓與傳感器觀測(cè)電壓的殘差來(lái)診斷傳感器是否發(fā)生故障的方法。使用UKF 算法估計(jì)電池的端電壓，并提出使用奇異值分解代替平方根法分解，以解決協(xié)方差矩陣非正定導(dǎo)致的算法無(wú)法正常運(yùn)行的問(wèn)題。提出使用CUSUM 法對(duì)殘差進(jìn)行分析，通過(guò)監(jiān)測(cè)CUSUM 的變化來(lái)判斷傳感器是否發(fā)生故障。本文提出的傳感器故障檢測(cè)方法在一些微小故障的檢測(cè)中相比于傳統(tǒng)的設(shè)定殘差閾值的方法更靈敏，能更快檢測(cè)出微小的數(shù)據(jù)偏移情況。

1 傳感器故障類型

傳感器觀測(cè)的數(shù)據(jù)都不是絕對(duì)準(zhǔn)確的，傳感器的觀測(cè)過(guò)程會(huì)存在擾動(dòng)，從而造成一定的誤差，在電動(dòng)汽車實(shí)際運(yùn)行中會(huì)產(chǎn)生顛簸、溫度過(guò)高等情況，以及電池系統(tǒng)內(nèi)傳感器自身的老化、受損等原因，也會(huì)造成傳感器精度降低甚至傳感器失效。因此，傳感器的觀測(cè)誤差有兩部分，一種是監(jiān)測(cè)過(guò)程中的自由噪聲，另一種就是傳感器故障造成的觀測(cè)誤差。

下面對(duì)幾種常見(jiàn)的傳感器故障類型進(jìn)行簡(jiǎn)要介紹，以下介紹中，用f表示傳感器故障產(chǎn)生的誤差，用y表示傳感器監(jiān)測(cè)的信號(hào)值，用表示真實(shí)的信號(hào)值，用表示監(jiān)測(cè)過(guò)程中的自由噪聲。

傳感器信號(hào)固定偏差故障是指測(cè)量信號(hào)與真實(shí)信號(hào)之間相差一個(gè)不變的常數(shù)值，即f= a，y=+ a +，a為常數(shù)。

傳感器信號(hào)漂移偏差故障是指測(cè)量信號(hào)與真實(shí)信號(hào)相比有一個(gè)隨時(shí)間線性變化的偏差，即f=b ×(-)，y=+ b ×(-)+，其中，b 為常數(shù)，為傳感器故障發(fā)生的時(shí)間。

傳感器增益故障是傳感器測(cè)量的信號(hào)值出現(xiàn)倍數(shù)變化，表現(xiàn)形式為信號(hào)的整體偏移，則y=(1 +k)+，k為常數(shù)時(shí)為恒增益故障。

圖1是傳感器發(fā)生上述3 類故障時(shí)，對(duì)正弦信號(hào)的觀測(cè)結(jié)果，在第5 s 時(shí)傳感器發(fā)生故障，其中藍(lán)色信號(hào)值表示實(shí)際信號(hào)值，紅色信號(hào)值表示出現(xiàn)故障之后傳感器測(cè)出的信號(hào)值。下文主要對(duì)這3 類傳感器故障進(jìn)行診斷。

圖1 傳感器常見(jiàn)故障

2 基于SVD-UKF的傳感器故障檢測(cè)

在實(shí)際工況中，傳感器的觀測(cè)數(shù)據(jù)和電池模型都會(huì)存在一定的誤差，并且電池模型SOC估算部分采用的安時(shí)積分法需要精確的SOC初值。本文采用基于UKF 算法對(duì)傳感器的故障進(jìn)行診斷，UKF 算法可以過(guò)濾掉系統(tǒng)噪聲和觀測(cè)噪聲造成的影響，但無(wú)法過(guò)濾傳感器故障時(shí)出現(xiàn)的較大誤差帶來(lái)的影響。傳感器測(cè)得的電壓信號(hào)與估計(jì)的電壓信號(hào)對(duì)比生成殘差，通過(guò)對(duì)殘差分析判斷傳感器是否出現(xiàn)故障。

2.1 UKF算法

卡爾曼濾波被廣泛應(yīng)用于線性系統(tǒng)中，然而針對(duì)電動(dòng)汽車鋰離子動(dòng)力電池這種非線性系統(tǒng)，可以使用UKF 算法對(duì)動(dòng)力電池的狀態(tài)量與端電壓進(jìn)行估計(jì)。

UKF算法仍以卡爾曼濾波算法為框架，是用無(wú)跡變換（Unscented Transformation，UT）這種統(tǒng)計(jì)線性化方法讓非線性系統(tǒng)方程適用于卡爾曼濾波算法。典型非線性離散系統(tǒng)的狀態(tài)方程和觀測(cè)方程分別如式（1）～（2）所示：

式中：X為系統(tǒng)的狀態(tài)向量；X為下一個(gè)時(shí)刻的系統(tǒng)的狀態(tài)向量；u為控制輸入量；為系統(tǒng)噪聲驅(qū)動(dòng)矩陣；W為過(guò)程噪聲，表示系統(tǒng)誤差；Z為系統(tǒng)的觀測(cè)向量；V為觀測(cè)噪聲；、為非線性傳遞函數(shù)。

UKF的思想是近似概率密度的方式相比于近似非線性函數(shù)更簡(jiǎn)單。例如，對(duì)于式（1）的狀態(tài)方程與式（2） 的觀測(cè)方程，UKF 算法并非對(duì)(X，u)與(X，u)進(jìn)行近似線性化，而是對(duì)(X，u)與(X，u)的概率分布進(jìn)行近似，UKF算法不需要對(duì)矩陣求偏導(dǎo)這樣復(fù)雜的計(jì)算過(guò)程，估計(jì)精度可以保證至少達(dá)到二階泰勒展開(kāi)的精度，而且不需要大量的計(jì)算，適合本文提出的電池模型。

顯然，用概率密度的方式求出函數(shù)的均值和方差是十分復(fù)雜的，UKF 算法通過(guò)UT 變換近似表征(X，u)與(X，u)的概率分布。對(duì)于非線性函數(shù)=()，UT 變換的基本原理如下：假設(shè)是維向量，已知的均值為ˉ，方差為P，經(jīng)過(guò)UT 變換可以得到2+1 個(gè)sigma 點(diǎn)χ，并且可以求出對(duì)應(yīng)的權(quán)值w，將sigma 點(diǎn)代入函數(shù)=()之后將得到的值進(jìn)行加權(quán)求和，計(jì)算出加權(quán)均值與方差，用計(jì)算出的結(jié)果近似表征非線性變換后的概率分布，即用來(lái)近似表征的均值與方差。下面對(duì)UT 變換所需的公式進(jìn)行簡(jiǎn)單介紹，首先對(duì)2+1 個(gè)sigma 點(diǎn)進(jìn)行構(gòu)建，如式（3）所示。

相對(duì)應(yīng)的權(quán)值為：

2.2 奇異值分解

在UKF 算法運(yùn)行過(guò)程中，協(xié)方差矩陣一般都為正定矩陣。但是由于計(jì)算機(jī)的計(jì)算精度有限，算法更新迭代過(guò)程中的計(jì)算和求逆過(guò)程會(huì)丟失精度，還有噪聲等未知因素，都會(huì)造成協(xié)方差矩陣非正定的問(wèn)題。在算法運(yùn)行中需要對(duì)協(xié)方差矩陣用平方根法進(jìn)行分解，這要求協(xié)方差矩陣P為正定矩陣，否則算法無(wú)法正常運(yùn)行。使用奇異值分解（Singular Value Decomposition，SVD）來(lái)替代平方根法分解可以有效地解決這個(gè)問(wèn)題，用SVD 的矩陣不要求為方陣，而且SVD 算法有較高的精度和穩(wěn)定性。假設(shè)矩陣是一個(gè)×階的矩陣，對(duì)矩陣進(jìn)行SVD，則：

式中：為×階矩陣；為×階矩陣；為×階矩陣。

當(dāng)用SVD 替代平方根法對(duì)P進(jìn)行分解時(shí)，生成的sigma點(diǎn)也相應(yīng)做出改變，此時(shí)式（3）變?yōu)椋?/p>

2.3 奇異值分解無(wú)跡卡爾曼濾波算法流程

首先，建立鋰離子動(dòng)力電池系統(tǒng)模型，得到離散化的鋰離子電池模型的數(shù)學(xué)方程，如式（7）所示。

式中：Δ為電池?cái)?shù)據(jù)的采樣時(shí)間間隔，s；為時(shí)間常數(shù)；I為時(shí)刻的電流，A；為時(shí)刻的開(kāi)路電壓，V；U為時(shí)刻的端電壓，V；為時(shí)刻的極化電壓，V；為極化內(nèi)阻，mΩ。

由式（7）可以得到鋰離子動(dòng)力電池的狀態(tài)方程和觀測(cè)方程。

式中：W為過(guò)程噪聲，V；Δ為電池?cái)?shù)據(jù)的采樣時(shí)間間隔，s；τ 為時(shí)間常數(shù)；x=[SOC，]為鋰電池系統(tǒng)的狀態(tài)向量；SOC為時(shí)刻的SOC 值；為時(shí)刻的極化電壓，V；為充放電效率；表示電池容量，Ah；為電池的極化電阻，mΩ；I為電池充放電電流，A。

式中：系統(tǒng)觀測(cè)量Z為鋰電池的端電壓，V；為時(shí)刻的開(kāi)路電壓值，V；為歐姆內(nèi)阻，mΩ；u系統(tǒng)的控制輸入量，V；I為傳感器觀測(cè)到的電流，A；為時(shí)刻的極化電壓，V；V為觀測(cè)噪聲，V。

式中：為開(kāi)路電壓值，V；該等式是通過(guò)OCV試驗(yàn)數(shù)據(jù)擬合SOC關(guān)于的六次多項(xiàng)式得出的。

使用SVD-UKF算法流程如下。

（1）狀態(tài)向量及協(xié)方差矩陣初始化：

式中：為狀態(tài)向量；為協(xié)方差矩陣。

（2）在時(shí)刻對(duì)上一時(shí)刻濾波后的進(jìn)行一次SVD-UT變換并生成sigma點(diǎn)集：

（3）sigma點(diǎn)狀態(tài)預(yù)測(cè)：

（4）計(jì)算估計(jì)的狀態(tài)向量在當(dāng)前時(shí)刻的均值與方差：

（5）對(duì)步驟4 中的先驗(yàn)估計(jì)再進(jìn)行一次SVDUT分解，生成sigma點(diǎn)集：

（6）sigma點(diǎn)觀測(cè)值預(yù)測(cè)：

（7）計(jì)算觀測(cè)預(yù)測(cè)值的估計(jì)均值、協(xié)方差矩陣：

（8）計(jì)算無(wú)跡卡爾曼增益：

（9）系統(tǒng)當(dāng)前時(shí)刻狀態(tài)向量估計(jì)值與協(xié)方差更新：

式中：Z為時(shí)刻傳感器讀入的一個(gè)觀測(cè)值。

SVD-UKF算法的流程圖，如圖2所示。在計(jì)算過(guò)程中，通過(guò)對(duì)觀測(cè)值的預(yù)測(cè)得到?實(shí)現(xiàn)了對(duì)電池端電壓的估計(jì)，通過(guò)對(duì)狀態(tài)向量的估計(jì)與更新過(guò)程得到了SOC的估計(jì)值，解決了在無(wú)法精確得知初始SOC值的條件下，估計(jì)端電壓造成估計(jì)值誤差較大的問(wèn)題。采用上述算法流程估計(jì)出電池的端電壓之后，通過(guò)與傳感器測(cè)得的端電壓生成的殘差進(jìn)行分析來(lái)診斷傳感器故障。下面對(duì)算法的結(jié)果進(jìn)行分析以及傳感器的故障診斷方法進(jìn)行介紹。

圖2 SVD-UKF算法流程

2.4 基于累積和的殘差評(píng)價(jià)方法

CUSUM 是一種異常檢測(cè)算法，這種算法可以將過(guò)程中十分微小的量的變化累加起來(lái)將其放大。假設(shè)系統(tǒng)觀測(cè)數(shù)值與預(yù)測(cè)值的殘差為e()，系統(tǒng)正常時(shí)殘差的概率分布為(e())，系統(tǒng)故障時(shí)殘差的概率分布為(e())，設(shè)累積和的初始值(0) = 0，令

式中：(e())為系統(tǒng)故障時(shí)殘差的概率分布；(e())為系統(tǒng)正常時(shí)殘差的概率分布；(e())為故障時(shí)和正常時(shí)殘差的概率分布的對(duì)數(shù)比。

則CUSUM：

在實(shí)際過(guò)程中，(e())和(e())可能是未知的而且計(jì)算復(fù)雜，參照文獻(xiàn)［15］，為取代上述(e())，提出：

用()作為CUSUM 算法的檢測(cè)序列，其中β為一常數(shù)。在系統(tǒng)沒(méi)有發(fā)生異常情況的狀態(tài)下，式（22） 算出的結(jié)果應(yīng)為負(fù)值，所以()的均值(())應(yīng)小于0。在沒(méi)有故障的情況下，經(jīng)過(guò)對(duì)圖4f 中的殘差進(jìn)行分析計(jì)算，用SVD-UKF 算法得到的端電壓殘差均值約為0，并且經(jīng)過(guò)計(jì)算驗(yàn)證大部分殘差數(shù)據(jù)都分布在3倍方差范圍內(nèi)。

為了保證(()) < 0，設(shè)殘差為，的取值可以設(shè)置在3左右，這樣大部分的()數(shù)值都會(huì)小于0。式（23）轉(zhuǎn)變?yōu)槭剑?5）。

再根據(jù)S設(shè)置報(bào)警閾值thre，當(dāng)S> thre 時(shí)系統(tǒng)報(bào)警，傳感器處于故障狀態(tài)。

2.5 傳感器故障診斷流程

傳感器故障檢測(cè)的流程圖，如圖3所示。

圖3 傳感器故障檢測(cè)流程

3 算法效果驗(yàn)證

首先對(duì)上述方法進(jìn)行驗(yàn)證，本文使用DST工況作為電池系統(tǒng)傳感器故障的驗(yàn)證工況，工況數(shù)據(jù)為實(shí)驗(yàn)室獲取的DST工況數(shù)據(jù)，鋰離子動(dòng)力電池的狀態(tài)方程和觀測(cè)方程所需數(shù)據(jù)用三星INR-18650-20R電池試驗(yàn)測(cè)得數(shù)據(jù)。在SOC 真實(shí)初值為100%的情況下，將SVD-UKF 算法SOC 初值設(shè)置為80%和100%時(shí)，SOC 和端電壓的估計(jì)值以及電壓殘差如圖4所示。

圖4為使用SVD-UKF 算法得到的估計(jì)結(jié)果，可以看出估計(jì)的SOC值較準(zhǔn)確，可以比較真實(shí)地反映SOC 的變化情況，即使在SOC 初值設(shè)定為80%，且與真實(shí)值偏差20%的情況下，也能快速收斂到真實(shí)值。由圖4e 可知，在SOC 初值錯(cuò)誤的情況下，端電壓的估計(jì)值也能快速收斂到真實(shí)值，并且SOC初值設(shè)定正確時(shí)的電壓殘差和SOC初值存在偏差收斂后的電壓殘差都很小，都圍繞0 值上下波動(dòng)，適合用來(lái)分析傳感器是否發(fā)生故障。本章用SOC初始值正確的情況來(lái)診斷傳感器故障。

圖4 SVD-AUKF估計(jì)結(jié)果

設(shè)電池電流放電為正，在4 000 s 后對(duì)DST 工況的電壓和電流數(shù)據(jù)分別注入-0.03 V和+0.5 A的信號(hào)偏差故障來(lái)模擬傳感器發(fā)生故障的情況，則出現(xiàn)故障的電壓電流信號(hào)圖，如圖5所示。

圖5 傳感器故障測(cè)得信號(hào)

由于在電池系統(tǒng)中，電壓傳感器和電流傳感器基本上不會(huì)出現(xiàn)同時(shí)出現(xiàn)故障的情況，所以主要研究電池系統(tǒng)中電壓傳感器或者電流傳感器單獨(dú)出現(xiàn)故障時(shí)的傳感器故障診斷。當(dāng)電壓傳感器和電流傳感器分別出現(xiàn)圖5 所示的信號(hào)偏差故障時(shí)，上述算法預(yù)測(cè)得到DST工況下的電池端電壓與傳感器測(cè)得的電壓生成的殘差，如圖6所示。

圖6 傳感器故障下的預(yù)測(cè)殘差

由圖6 可知，雖然在第4 001 s 開(kāi)始對(duì)電壓和電流數(shù)據(jù)注入了故障，但是發(fā)生上述信號(hào)偏差故障時(shí)，運(yùn)用SVD-UKF 算法預(yù)測(cè)電池端電壓得到的殘差值，除了在故障開(kāi)始注入的時(shí)刻增大之外，其余時(shí)刻沒(méi)有明顯變化。電流傳感器發(fā)生信號(hào)偏差故障后SVD-UKF 生成的殘差值相較于傳感器正常時(shí)SVD-UKF 生成的殘差有略微的偏移?？梢詫?duì)殘差設(shè)定閾值來(lái)檢測(cè)傳感器是否存在故障，但是使用殘差來(lái)進(jìn)行判斷，對(duì)于微小的故障可能會(huì)出現(xiàn)漏判的情況，傳感器噪聲、模型誤差以及各種不確定因素也可能導(dǎo)致出現(xiàn)故障誤診的現(xiàn)象。本文提出使用CUSUM 分析殘差對(duì)傳感器的故障進(jìn)行檢測(cè)的方法。

對(duì)傳感器故障進(jìn)行檢測(cè)，針對(duì)本文算法的參數(shù)設(shè)置，根據(jù)對(duì)電池進(jìn)行多次試驗(yàn)，設(shè)定= 2.5。警閾值thre = 0.05。在傳感器正常情況下用DST 工況數(shù)據(jù)進(jìn)行檢測(cè)，結(jié)果如圖7所示。

圖7 正常情況下檢測(cè)結(jié)果

首先對(duì)傳感器偏差故障進(jìn)行檢測(cè)，在第4 001 s分別對(duì)電壓傳感器和電流傳感器注入－0.03 V 和＋0.5 A 的信號(hào)偏差故障，生成的預(yù)測(cè)殘差如圖6 所示，檢測(cè)結(jié)果如圖8所示。

圖8 傳感器信號(hào)偏移故障檢測(cè)

由于在偏差故障發(fā)生的時(shí)刻觀測(cè)電壓突然發(fā)生變化而預(yù)測(cè)電壓需要一定的時(shí)間做出反應(yīng)，所以殘差在此刻出現(xiàn)明顯的異常取值，在注入故障之后，S很快就超過(guò)了報(bào)警閾值，電壓傳感器在出現(xiàn)故障后的第4 s、電流傳感器在出現(xiàn)故障后的第6 s 分別檢測(cè)到了故障。

以電流傳感器為例，進(jìn)行傳感器信號(hào)漂移故障檢測(cè)。在第4 001 s 時(shí)，對(duì)電流傳感器注入隨時(shí)間變化的信號(hào)漂移故障= b ×(-)，將電壓傳感器故障和電流傳感器故障的時(shí)間變化的偏差都設(shè)為b＝－0.000 1，生成的殘差及檢測(cè)結(jié)果如圖9～10所示。

由圖10 可知，電流傳感器注入信號(hào)漂移故障后，經(jīng)過(guò)2 724 s，在第6 725 s 時(shí)發(fā)現(xiàn)故障。此后，根據(jù)不同的b 取值對(duì)比發(fā)現(xiàn)， b 取值越大，該方法檢測(cè)到故障的速度越快。而用殘差閾值的方法發(fā)現(xiàn)，如果對(duì)圖9 的殘差設(shè)定為－0.015 V 和＋0.025 V的閾值，在第7 078 s時(shí)可以檢測(cè)出故障。

圖9 電流傳感器信號(hào)漂移故障生成的預(yù)測(cè)殘差

圖10 電流傳感器信號(hào)漂移故障檢測(cè)結(jié)果

以電流傳感器為例，進(jìn)行傳感器信號(hào)增益故障檢測(cè)。4 000 s后，用電壓傳感器觀測(cè)到的數(shù)據(jù)和電流傳感器觀測(cè)到的數(shù)據(jù)都乘以1.15來(lái)模擬傳感器增益故障，電流傳感器出現(xiàn)增益故障時(shí)生成的殘差和檢測(cè)結(jié)果，如圖11和圖12所示。

圖11 電流傳感器增益故障生成的預(yù)測(cè)殘差

圖12 電流傳感器增益故障檢測(cè)結(jié)果

在電流傳感器發(fā)生故障后，電壓殘差與電流傳感器未發(fā)生故障時(shí)相比變化不大，運(yùn)用該方法在7 505 s 檢測(cè)到傳感器故障，如果用殘差閾值進(jìn)行檢測(cè)，要在9 543 s才能檢測(cè)出傳感器發(fā)生故障。

以上分析可知，本文提出的傳感器故障檢測(cè)方法在一些微小故障的檢測(cè)中相比于傳統(tǒng)的設(shè)定殘差閾值的方法更靈敏，能更快檢測(cè)出微小的數(shù)據(jù)偏移情況。

4 結(jié)論

本文主要研究車用動(dòng)力電池的傳感器故障診斷方法，提出用預(yù)測(cè)的電池端電壓與傳感器觀測(cè)電壓生成的殘差來(lái)進(jìn)行傳感器故障的診斷。

本文提出使用UKF 算法對(duì)電池端電壓進(jìn)行預(yù)測(cè)，解決在鋰離子動(dòng)力電池建模和傳感器觀測(cè)值中都存在一定誤差的問(wèn)題。針對(duì)UKF 算法在分解協(xié)方差矩陣時(shí)，協(xié)方差矩陣非正定導(dǎo)致算法無(wú)法正常運(yùn)行的問(wèn)題，提出使用SVD來(lái)代替平方根法分解。

用DST 工況作為傳感器故障診斷的檢驗(yàn)工況。提出用CUSUM 法對(duì)電壓殘差進(jìn)行分析，并針對(duì)故障時(shí)和正常工作時(shí)電壓殘差的概率分布不確定性的問(wèn)題，對(duì)算法進(jìn)行改進(jìn)調(diào)整。用該算法對(duì)3 類常見(jiàn)的傳感器故障進(jìn)行檢測(cè)。由檢測(cè)結(jié)果可知，相比于殘差閾值法，該方法有更高的靈敏度和準(zhǔn)確性。