.png){kind=icon}
返回
Knowledge-data driven sampling diagnosis algorithm for lithium batteries on electric vehicles
.png){kind=icon}
PRE
AI
DOI：10.1016/j.isatra.2024.12.034.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
电压是电池管理系统有限可靠信息之一，电压采样故障将导致不良影响并引发潜在运行风险，这强调了研究电压采样故障模式及诊断算法的重要性。本文建立了一种知识-数据驱动的采样诊断算法，并据此提出一种基于模糊熵异常检测的在线智能诊断算法。该故障诊断算法在正向挖掘下建立并评估，首先基于等效仿真模型构建故障模式知识库。模拟了电池管理系统6种潜在故障模式以研究其性能，对称电压分布或近零电压可作为确定故障模式的特征被提取。随后，基于异常检测方法建立诊断算法，并通过故障矩阵法验证结果。电池-环路实验证实了采样线断开时的对称电压性能，此外，利用云监控平台的数椐集验证了应用结果。本文为从故障模式设计诊断算法提供了贡献，该算法可进一步推广至其他系统或云平台。
Keyword:
Lithium-ion batteries
Fault diagnosis
Failure modes
Sampling
期刊
IF:
6.5
论文数:
6.1K
被引数:
2.0W
机构
引用论文
Fuzzy information entropy-based adaptive approach for hybrid feature outlier detection基于模糊信息熵的自适应混合特征异常检测方法
PREAI
分享收藏Voltage sensor fault detection, isolation and estimation for lithium-ion battery used in electric vehicles via a simple and practical method一种简单实用的电动汽车锂离子电池电压传感器故障检测、隔离与估计方法
PREAI
分享收藏
A novel dual time-scale voltage sensor fault detection and isolation method for series-connected lithium-ion battery pack一种新型的串联锂离子电池组双时标电压传感器故障检测与隔离方法.png)
APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏
查看更多内容