新型电动汽车锂电池管理系统的研究与实现 — 模糊诊断专家系统

7.6电池组模糊诊断专家系统的实现

7.6.1症状模糊化

历史数据是专家系统的数据输入，专家系统进行诊断的前期工作就是利用历史档案求出电池隶属于各症状的隶属度。系统考虑实际需要隶属度值用（0--10）表示（0--1）。由历史档案求隶属度是大量试验和电化学专家的经验总结，本系统以锂电池为例来说明。

根据上面的规则，专家系统中用到的症状主要有：

充电时电压高、上升快； 放电时电压低、下降快； 静置时电压下降快，电压低； 开路电压低，不能带负载； 充电时电压极高等等。

下面以充电电压极高这一症状隶属度的求解为例，说明症状隶属度的求解过程。设其电压为V，则充电电压极高这一症状的隶属度函数为：



隶属度函数可在试验中修改。

7.6.2故障诊断

同样根据规则，系统的能诊断的故障主要有：

电池容量下降；电池自放电大； 电池充电不足； 电池内阻过大； 电池极板损坏； 电池损坏等等。

这m种故障和这n个症状的模糊关系矩阵被保存在数组DIAG[m][n]中，这个数组里保存的是代表规则里各个症状因素对故障的作用和影响大小的加权修正值。如果症状i对故障j的作用为零，

则DIAG[j][i]=0.

设某电池的症状隶属度依次为：



数组DIAG中各元素的大小是专家系统的各规则的关键部分，需要同专家深入讨论并不断用试验验证，不符合的要反复调整，直到结果与电池的故障状态符合为止。