大数据驱动的动力电池健康状态估计方法综述

动力电池健康状态估计是电池管理系统关键算法之一,对提高动力电池能量利用效率、降低电池热失控风险,以及动力电池的维保和残值评估具有重要意义。对比分析试验法、模型法、数据驱动法的优势和不足,并以数据驱动方法为核心,分别从动力电池健康状态数据集构建、健康状态特征参数提取、健康状态估计模型三个方面对现阶段健康状态估计方法的理论基础和技术方案进行综述。总结常用的大数据采集方法以及数据预处理方法,明确大数据在健康状态评估中的意义。比较现有健康状态特征提取方法,对其优劣以及适用场景做了分析。阐述不同健康状态估计模型的基本原理,提出模型融合是未来技术发展方向。最后,面向未来大数据实车应用场景,对动力电池健康状态估计方面存在的问题和发展前景进行了总结和展望。     

车辆导航系统中基于街区分块的分层路网路径规划

当前车辆导航系统多采用分层分块的方法提高路径规划速度,传统路网分块方法将路网经纬度形成的网格作为路网分块边界,由于路网在不同地域分布不均匀,不同网格中数据量相差较大,从而影响数据使用效率。提出了一种基于街区分块的路径规划方法,针对街区特性自适应调整路网分块中数据量的大小,利用距离、面积及邻接块来控制路网拓展等级和范围,减小了拓展区域。最后利用基于道路等级的路网分层方法实现了局域路网和广域路网的路径规划。实验表明,基于街区分块方法的分层路网进行路径规划,其规划性能可以满足嵌入式系统高效路径规划的需求。     

大数据分析技术在新能源汽车行业的应用综述——基于新能源汽车运行大数据

为应对化石能源危机和环境污染问题,新能源汽车技术的发展与应用引起广泛重视。新能源汽车具有高信息化的特点和智能网联化的发展趋势,在日常运行中会产生大量行驶数据信息。利用海量多源异构数据进行安全预警与监管、车辆技术分析,是推动我国新能源汽车行业发展的关键。综述了大数据分析技术在新能源汽车行业的应用情况,概述了大数据分析技术的基础理论、发展历程,介绍了新能源汽车国家监测与管理平台的架构和功能,并着重阐述了新能源汽车大数据分析过程。分别从动力电池数据、汽车运行数据和充电数据的角度出发,分析了现有的研究方向和研究方法,列举了部分研究成果和应用情况。最后,对当前新能源汽车大数据分析领域存在的问题和发展应用前景进行了总结和展望。     

新能源汽车动力电池系统故障诊断研究综述

随着新能源汽车保有量的增加,新能源汽车安全问题日益突出,严重威胁着驾乘人员的生命财产安全,制约了新能源汽车产业发展.动力电池问题是新能源汽车着火事故发生的主要原因(占着火事故60％以上),发展先进的动力电池系统故障诊断技术已成为新能源汽车安全防护领域的热点.为填补该领域最新中文综述的空白,基于动力电池系统故障发生位置的差异,将故障分类为内部故障和外部故障,描述过充电、过放电、外部短路、内部短路、过热、热失控、传感器故障、连接件故障、冷却系统故障的失效机理.从内部故障和外部故障两个角度出发,总结锂离子动力电池的基于知识、模型、数据驱动三类故障诊断方法的研究现状与最新进展.讨论当前动力电池系统故障诊断技术研究中存在的主要问题,提出电池故障诊断技术的未来发展趋势,以期实现动力电池系统故障的准确诊断和早期防控,提高新能源汽车安全性,保障驾乘人员生命财产安全,推动新能源汽车产业进一步发展.     

基于差分进化算法的模糊神经网络控制器

针对模糊神经网络控制器在应用误差反向传播算法训练时,易于陷入局部最优的问题,提出了一种将差分进化算法与BP算法相结合的学习法,首先利用差分进化算法的全局寻优能力,给BP算法一个好的寻优初始点;然后再以一定的概率进行BP算法的寻优.对一个带有滞后环节的二阶系统进仿真表明,控制性能优于基于BP的模糊神经网络控制器.     

基于多模型耦合的电动汽车三电系统安全性估计方法

电动汽车动力电池、驱动电机和电控系统的安全性对于车辆的正常运行和乘员的生命财产安全至关重要。提出一种多模型耦合的电动汽车三电系统安全性估计方法。该方法仅需要实车传感器采集的稀疏数据作为输入，识别同车型中故障车辆。首先，构建三电系统安全性估计体系，该体系采用“自顶向下”的多层结构。之后，提出一种多模型耦合的方法，该方法由高斯混合、熵权计算和安全分数计算三部分组成，高斯混合得到安全性估计体系中各指标分布规律并输出概率密度，避免熵权重主观划分区间导致的误差；所提出的熵权计算基于概率密度确定各指标的权重，并根据安全性体系计算各车辆/系统的安全总指标，避免主观确定各指标的重要性；基于统计学与数据归一化，得到各车辆/系统的安全分数。最后，采用10辆电动汽车的实车数据对方法进行验证，包括整车安全性估计、三电系统安全性估计和不同季节鲁棒性。结果表明，所提出的方法识别故障车辆/系统与正常车辆/系统的准确率比层次分析法高40%/26.7%，且在不同季节不会对正常汽车产生误判。