-
公开(公告)号:CN115718262A
公开(公告)日:2023-02-28
申请号:CN202211493594.5
申请日:2022-11-25
Applicant: 中国汽车工程研究院股份有限公司
IPC: G01R31/367 , G01R31/396
Abstract: 本发明涉及风险识别技术领域,公开了一种动力电池采样异常风险识别方法与故障判定方法,包括以下步骤:步骤1:采集电池基本数据;步骤2:对电池基本数据进行数据清洗与数据预处理;步骤3:基于步骤2处理后的电池基本数据,提取采样异常安全要素Cr;所述采样异常安全要素Cr为参考电芯的压差变化速度在电流变化速度上的相关投影方差参数;步骤4:对采样异常安全要素Cr进行非线性特征转换与放大处理,并得到异常要素Sf;步骤5:采用方差熵对采样异常安全要素进行量化,并得到量化特征。本发明能够完成对采样异常风险的早期精准识别,能够准确识别、判定采样异常故障。
-
公开(公告)号:CN114492529B
公开(公告)日:2022-12-13
申请号:CN202210101995.5
申请日:2022-01-27
Applicant: 中国汽车工程研究院股份有限公司
Abstract: 本发明涉及故障诊断技术领域,公开了一种动力电池系统连接异常故障安全预警方法,包括以下步骤:步骤1:解析得到原始电池信号数据;步骤2:清洗原始电池信号数据,得到初级电池信号数据;步骤3:选取得到目标电压数据;步骤4:采用差分平方和方法对目标电压数据进行特征提取,得到差分累积矩阵;步骤5:计算得出均值差分矩阵;步骤6:遍历均值差分矩阵的列向量,得出每个电芯的异常阈值上限;步骤7:遍历均值差分矩阵中电芯的特征向量,确认是否存在连接异常故障。本发明能够准确地识别出电池连接异常故障,能够有效降低故障误报率,能够在故障发生之初即快速锁定故障,故障判定效率较高。
-
公开(公告)号:CN115144758A
公开(公告)日:2022-10-04
申请号:CN202210784827.0
申请日:2022-06-29
Applicant: 中国汽车工程研究院股份有限公司
IPC: G01R31/367 , G01R31/392
Abstract: 本发明涉及电池健康状态评估技术领域,公开了一种基于卷积神经网络的电池健康状态评估方法,包括以下步骤:步骤1:提取数个满充状态下的充电片段数据;步骤2:修正充电片段数据的SOC值;并计算每一个充电片段数据对应的SOH值;步骤3:截取各充电片段数据中相同电压区间内的单体电压数据作为输入值,并输入至初始评估模型中;所述初始评估模型为端到端的模型;步骤4:利用步骤3中的输入值,计算损失函数并进行反向传播以更新权重参数,直到迭代完成;迭代完成后获得标准评估模型;步骤5:将待评估电池的充电片段数据输入至标准评估模型中,输出得到待评估电池的SOH值。本发明能够准确评估车辆的电池健康状态,评估准确率和评估效率较高。
-
公开(公告)号:CN114943296A
公开(公告)日:2022-08-26
申请号:CN202210611636.4
申请日:2022-05-31
Applicant: 中国汽车工程研究院股份有限公司
IPC: G06K9/62 , G06K9/00 , G01M17/007
Abstract: 本发明涉及汽车行驶性能测试技术领域,公开了一种基于改进的短行程法的汽车行驶工况构建方法,主要在于获取车速信号数据后将数据划分多个运动片段,并针对怠速部分数据进行多次数据优化处理,然后在优化完成后对运动片段进行特征提取并采用主成分分析法对运动片段特征进行特征降维,并采用K‑Means++聚类方法对降维后的运动片段进行无监督聚类分析,最终得到多个候选工况,并计算候选工况中不包含极值的特征参数,然后与总体数据计算相对误差值,选取平均误差最小的工况作为代表工况输出。本发明具有提升行驶工况数据质量和数据片段代表性,降低工况与总体数据的相对误差,提高行驶工况分析结果准确性的有益效果。
-
公开(公告)号:CN114462857A
公开(公告)日:2022-05-10
申请号:CN202210122447.0
申请日:2022-02-09
Applicant: 中国汽车工程研究院股份有限公司
Abstract: 本发明涉及电动汽车评价方法领域,具体涉及在用新能源汽车的高风险车辆筛选方法及存储介质,方法包括:确定多个经验特征,计算多个经验特征之间的相关系数矩阵,对相关系数矩阵中相关系数值大于阈值的经验特征的占比进行统计,对经验特征进行主成分分析,得到主成分特征;获取运行中新能源汽车预设时间段内行驶的运行数据,根据累计行驶里程是否大于预设里程将新能源汽车的运行数据分成正样本和负样本;分析正样本与负样本的特征分布的总区分度,以区分度与阈值差值的最小值的主成分特征为筛选特征,将筛选特征标准化后的20%分位数作为特征筛选阈值;以筛车综合特征对待筛车的数据进行筛选。本发明能够有效筛选高风险在用新能源汽车。
-
公开(公告)号:CN114430080A
公开(公告)日:2022-05-03
申请号:CN202210102011.5
申请日:2022-01-27
Applicant: 中国汽车工程研究院股份有限公司
IPC: H01M10/48 , H01M10/44 , G01R31/382
Abstract: 本发明涉及故障诊断技术领域,公开了一种基于运行数据的动力电池电芯异常自放电的识别方法,包括以下步骤:步骤1:解析得到基本电池信号数据;步骤2:清洗基本电池信号数据,得到标准电池信号数据;步骤3:由标准电池信号数据中选择充电状态数据;步骤4:按照提取策略对充电状态数据中每个电芯的电压数据进行特征提取,得到电芯特征值;步骤5:进行异常检测;步骤6:根据实时异常检测结果,判定电芯是否存在突发性自放电异常;根据长周期异常检测结果,判定电芯是否存在持续性自放电异常。本发明能够及时识别电芯异常自放电状况,保证识别的准确性和故障识别判定的高效率,并且,对自放电异常故障定位实现到电芯级别,识别的精度高。
-
公开(公告)号:CN114113854A
公开(公告)日:2022-03-01
申请号:CN202111414876.7
申请日:2021-11-25
Applicant: 中国汽车工程研究院股份有限公司 , 重庆凯瑞测试装备有限公司
IPC: G01R31/00
Abstract: 本发明涉及新能源汽车技术领域,公开了一种新能源汽车充电检测系统及方法,包括控制器模块,以及分别与控制器模块连接的电位均衡检测模块、数据采集模块、充电模块、脉冲模块、通讯模块和显示模块;通过在充电前先进行新能源汽车的电位均衡情况的检测,评估充电行为的安全性,保证用户的人身安全,同时后续能够对动力电池进行健康状态的准确分析,从而清楚了解到动力电池的健康状态,进一步保障了用户的驾驶安全。本发明具有检测效率高、检测结果准确性高、保障用户人身安全和提高驾驶安全的有益效果。
-
公开(公告)号:CN113933732B
公开(公告)日:2024-10-29
申请号:CN202111193827.5
申请日:2021-10-13
Applicant: 中国汽车工程研究院股份有限公司
IPC: G01R31/392 , G01R31/367 , G06F30/20 , B60L58/16
Abstract: 本发明涉及新能源汽车技术领域,公开了新能源汽车动力电池健康状态分析方法、系统及存储介质,通过对动力电池历史运行数据以及充电数据的采集、处理,再将处理后的数据输入到不同的算法模型中进行分析,最后得到动力电池的健康状态安全性指标,降低了动力电池的使用安全风险,使用户清楚了解到新能源汽车动力电池的现状。本发明具有对动力电池健康状态进行快速精准检测的有益效果。
-
公开(公告)号:CN115856692A
公开(公告)日:2023-03-28
申请号:CN202211493753.1
申请日:2022-11-25
Applicant: 中国汽车工程研究院股份有限公司
IPC: G01R31/392 , G01R31/367 , G01R31/396
Abstract: 本发明涉及动力电池技术领域,公开了一种基于极差电压的动力电池风险识别与溯源系统,包括采集模块、预处理模块、要素提取模块、风险量化模块、风险识别模块和风险溯源模块;所述采集模块用于采集动力电池的历史运行数据作为初始数据;所述预处理模块用于预处理初始数据并得到基础数据;所述要素提取模块用于提取风险要素;所述风险量化模块用于量化风险要素并形成量化特征p;所述风险识别模块用于基于量化特征,进行安全状态识别,并获取绝对风险概率;所述风险溯源模块用于按照溯源策略,制备风险要素图像,并基于安全要素图像中的特征变化确定风险源。
-
公开(公告)号:CN115267541A
公开(公告)日:2022-11-01
申请号:CN202210910235.9
申请日:2022-07-29
Applicant: 中国汽车工程研究院股份有限公司
IPC: G01R31/36 , G01R31/367 , G01R31/378 , G06K9/62 , B60L58/12
Abstract: 本发明涉及新能源汽车电池检测技术领域,公开了一种基于对抗学习的新能源汽车电池异常检测方法,包括:步骤S1,采集目标车辆的运行数据并提取数据特征,并对数据特征进行预处理,得到训练数据特征集合;步骤S2,利用训练数据特征集合训练生成器和判别器;步骤S3,采集测试数据并对测试进行优化,然后利用完成训练的生成器和判别器进行测试;步骤S4,计算分析得到异常分数,并将异常分数与第一阈值进行对比,然后根据对比结果判定电池有无异常。本发明具有快速准确地找到发生异常的时间段及对应的故障电芯号,降低故障误报率,保证了每一次报警的准确性的有益效果。
-
-
-
-
-
-
-
-
-