CN116660779B 一种基于神经元检测的锂电池的异常监测方法及其系统 (中国科学技术大学先进技术研究院)_第1页
CN116660779B 一种基于神经元检测的锂电池的异常监测方法及其系统 (中国科学技术大学先进技术研究院)_第2页
CN116660779B 一种基于神经元检测的锂电池的异常监测方法及其系统 (中国科学技术大学先进技术研究院)_第3页
CN116660779B 一种基于神经元检测的锂电池的异常监测方法及其系统 (中国科学技术大学先进技术研究院)_第4页
CN116660779B 一种基于神经元检测的锂电池的异常监测方法及其系统 (中国科学技术大学先进技术研究院)_第5页
已阅读5页,还剩25页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

院号一种基于神经元检测的锂电池的异常监测及一种基于神经元检测的锂电池的异常监测方段通过浓度超限的时长和浓度变化速率两项指结合不同异常点的时域特征分析异常的因果关排气来精准排除环境中特征气体对监测过程的2通过神经元传感器实时采集锂电池柜出风口、进风口和每个电池模判断每一个检测位点处超限信号的持续时间ΔT和浓度变化速率是否均达到各自预设判断排风周期内各个存在异常状态信号的电池模组及出风口处的特征气体的实时浓在信号时域分析和环境干扰自检阶段,根据异常状态信号中的编3max表示预设的特征气体浓度变化速率的安全阈值;Tmax表示预设的超限时长个电池模组处的超限时刻与进风口处的超限时刻的时差是否与各自距进风口的风道长度干扰自检阶段,当任意一个检测位点处检测到的特征气体的实时浓度Q低于预设的安全阈神经元传感器阵列,其包括多个Pack气体探测器和多个参体探测器安装在锂电池柜中的各个电池模组处,用于检测电池模组处特征气体的实时浓中任意一项所述的基于神经元检测的锂电池的异常监测方法对采集到的传感器检测数据露的安全风险;所述定位单元用于在任意电池模组存在安全风险时查询一个“编码_位置”9.如权利要求8所述的基于神经元传感器阵列的锂电池柜的异常监测系统,其特征在碳酸甲乙酯中的任意一种或多种成分的特征气体的浓度进行检测的所述气敏传感器中包括敏感元件和信号处理电路;所述敏感元件采用包含TiO2和SnO24[0004]目前对锂电池异常状态的早期预警主要集中在电池异常时特征气体的分析和预仍存在如下的瓶颈:(1)缺乏针对特定锂电池在异常条件下产生的特征气体的专用气敏元[0010]在任意一个检测位点处的实时浓度达到预设的安全阈值Qmax时,生成一个超限信5[0011]判断每一个检测位点处超限信号的持续时间ΔT和浓度变化速率是否均达到各自[0017]判断排风周期内各个存在异常状态信号的电池模组及出风口处的特征气体的实态信号中包含各个检测位点的状态标志Ab每个电池模组处的检测位点的预设延迟周期与其距进风口的风道6[0032]集中分析器与神经元传感器阵列中的每个Pack气体探测器和参考气体探测器电的特征气体的浓度进行检测的气敏传感器。该气敏传感器中包括敏感元件和信号处理电[0040]本发明提出一种采用TiO2和SnO2两种半导体材料制成的敏感有非常优异的气敏响应特性,该气敏传感器提升了对锂电池电解液蒸汽的灵敏度和精度,7[0043]图2为本发明实施例1中设计的气敏传感器在50_2000ppm的浓度范围内的对EMC蒸[0046]图5为本发明实施例2中提供的一种基于神经元检测的锂电池的异常监测方法的[0048]图7为本发明实施例3中提供的一种基于神经元传感器阵列的锂电池柜的异常监[0049]图8为本发明实施例3中包含多个气敏传感器的神经元传感器阵列在监测过程中[0052]本实施例提供一种气敏传感器,其专用于对包含碳酸二甲酯(DMC)、碳酸二乙酯8感器的响应时间和恢复时间应当足够短,以便实现对特征气体的浓度变化进行实时监测。[0058]技术人员设置了性能测试实验,对本实施例中采用包含TiO2[0059]此外,性能测试实验中还测量了该气敏传感器对500ppm的EMC蒸汽的响应和恢复性的气敏传感器。本实施例进一步提供了一种基于神经元检测的锂电池的异常监测方法,[0069]判断每一个检测位点处超限信号的持续时间ΔT和浓度变化速率是否均达到各自9限信号的持续时间以及浓度变化速率二者均超出预设的安全阈值时才生产相应的异常状为了进一步区分不同位点发生接连告警现象[0088]然后判断排风周期内各个存在异常状态信号的电池模组及出风口处的特征气体[0090]在环境干扰自检阶段,当任意一个检测位点处检测到的特征气体的实时浓度Q经过异常排查处理后已经低于预设的安全阈值Qmax时,则需要对当前检测位点的异常状态信常状态信号中将编码信息和各个检测位点的状态标志[0098]基于实施例2中设计出的基于神经元检测的锂电池的异常监测方法,本实施例进[0100]集中分析器与神经元传感器阵列中的每个Pack气体探测器和参考气体探测器电检测位点处的特征气体的实时浓度判断锂电池柜是否存在电解液泄露的安全风险。其中,图8为一个包含10个气敏传感器的神经元传感器阵列,在特征气体浓度不断增大时的气敏[0102](1)实时采集每个气敏传感器检测到的实时浓度Qi,并采用下式计算出实时的浓[0104](2)判断各个气敏传感器检测值Qi是否达到安全阈值Qmax时,是则生成一个超限[0105](3)判断达到安全阈值的气敏传感器的超限信号的持续时间ΔT和浓度变化速率V[0106](4)判断产生异常状态信号的气敏传感器是否为Pack气体探测器,是则查询该[0107](5)查询进风口处从当前时刻到预设延迟周期T以前的所有时段中是否存在异常[0108](6)当判定Pack气体探测器的异常可能时环境因素导致时,关闭进风口及进风风[0109](7)获取排风周期内各个存在异常状态信号的Pack气体探测器和参考气体探测器化速率V是否均下降至低于安全阈值:是则判定电池模组处的异常状态信号为外部环境异[0112]通信单元用于将数据处理单元产生的表征安全风险的警示信息和定位单元查询

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论