电动汽车锂离子电池管理系统的研究—模糊诊断专家系统

专家系统(EXpERTSYSTEM)是一个具有大量专门知识的程序系统，它应用人工智能(ARTIFICIALINTELLIGENCE，简称AI)技术，根据一个或多个人类专家供应的特殊领域知识进行推理，模拟人类专家作决定的过程来解决那些要专家才能解决的复杂问题。电池组故障诊断模糊专家系统是电池管理系统的一部分，它以模糊数学与模糊诊断原理为基础，将电池专家和有关蓄电池使用和维护的书籍上总结出的相关经验和规则存入知识库中，以电池的历史档案、运行状况和上一次的诊断结果为依据，采用模糊综合评判的方法对电池故障进行诊断，同时给出电池的健康状况和维护信息。通过专家诊断系统，我们可以选择出性能较差的电池，保证纯电动汽车或者混合电动汽车的车用电池组性能上的一致，也使剩余电量估计模型能够更准确更好的应用于电动汽车上。

7.1模糊数学与模糊诊断方法

在电池故障诊断中专家所描述的症状，如“电压上升快”、“充电不足”、“电压下降快”等，是界限不清的模糊集合。我们通过模糊数学模型加以描述。用模糊关系矩阵来反映某些故障机理，并选用适当的隶属函数，用相应的隶属度来描述这些症状存在的倾向性。模糊故障诊断方法就是根据某些症状的隶属度来求出各种故障的隶属度，用以表征各种故障存在的倾向性，为判断电池故障和采取补救措施的决策供应科学的依据。下面介绍模糊数学模型和我们采用的综合评判方法。

两论域之间显然存在着某种模糊关系。例如，某一故障将引起若干强弱不同的症状，而某一症状也表征着若干个故障的存在。这个模糊关系可通过隶属度表示，例如，可定出症状xj相应于故障vi的隶属度：

它组成了论域U和论域V之间的模糊关系矩阵：

假如已知模糊关系矩阵R和模糊向量α，就可求得模糊向量β。

这就是多因素评判：

其中，各症状的隶属度向量α可以从测量数据和历史档案通过一定的隶属函数求得。至于模糊关系矩阵，它是大量分析、实验、测试和现场实践相关经验的总结，可以通过大量实验和总结有关专家，技术人员和工人的相关经验来决定。同时还可以参考大量的相关资料和前人的相关经验。

在我们的系统中采用的运算模型将模糊关系的运算式展开如下：

其中“*”为代数乘，运算(r1j*μxj)可看成是对隶属度μxj的加权修正，rij可看成是加权值，因而要求rij归一化，即令

而代数和“+”则表示对诸因素