基于SC-ANFIS的动力电池故障诊断研究  

作　　者：朱昇 李宇[1] 吴飞[1] 邹小江 郑礼 

机构地区：[1]铜仁职业技术学院工学院,贵州铜仁554300 [2]重庆航英汽车制造有限公司,重庆404100 [3]宁德时代新能源科技股份有限公司,福建宁德352000

出　　处：《电子元器件与信息技术》2024年第7期162-165,共4页Electronic Component and Information Technology

基　　金：铜仁市科技计划项目《锂离子动力电池故障分析及智能诊断技术研究》(项目编号:铜市科研[2021]71号);铜仁市科技计划项目《电池管理系统及其SOC估计研究》(项目编号:铜市科研[2024]17号);铜仁职业技术学院院级课题《新能源汽车电池管理系统研究》(项目编号:tzky-2021年-ZK05号)。

摘　　要：动力电池故障诊断是电池管理系统的一个重要课题。由于动力电池自身电化学成分及工作环境恶劣等因素影响,传统的动力电池故障诊断技术效果欠佳。因此,该研究拟议了一种基于减法聚类的自适应神经模糊推理系统(SC-ANFIS)进行动力电池故障诊断的方法。为了验证该方法的可行性,首先,利用Matlab构建一个可用于诊断动力电池故障的SC-ANFIS模型。该模型通过减法聚类(SC)对输入空间进行非线性划分,自动生成非线性的初始模型结构和参数,并利用混合算法优化模型参数。其次,利用动力电池不同状态下的电压数据对模型进行训练、测试。最后,将拟议的SC-ANFIS模型和BP模型进行仿真实验对比。仿真实验结果表明,SCANFIS模型的动力电池故障诊断具有识别率高、识别速度快、识别稳定性好等特点。SC-ANFIS模型故障诊断识别率的三个误差指标RMSE、MAPE和MAE分别比BP模型优化了12.36%、8.78%和10.89%。SC-ANFIS模型的故障诊断识别速度比BP模型快12.98%。SC-ANFIS模型故障诊断识别率和识别时间的稳定性也比BP模型好。这为开发高性能的SC-ANFIS动力电池故障诊断提供了基础。

关 键 词：ANFIS SC 参数优化 动力电池 故障诊断 

分 类 号：TM912[电气工程—电力电子与电力传动]