CN119502701A 一种新能源汽车锂电池热失控监控系统及方法 （上海应用技术大学）

一种新能源汽车锂电池热失控监控系统及本发明公开了一种新能源汽车锂电池热失融合模块对数据进行处理后传输至隐马尔可夫准确识别电池从正常状态到异常状态及热失控2所述多源数据采集模块用于采集车载锂电池的多维数据，多源数据采所述多源数据融合模块用于将采集的多维数据进行融合处理，将所述隐马尔可夫模型监控模块包括预训练的隐马尔可夫模型与隐半所述状态识别模块用于根据车载锂电池的状态信息判断当前车载锂电池的工作状态，所述数据分析处理模块用于接收车载锂电池的工作状态与预测持续所述预警模块用于控制声光报警器发出报警信号，通过无线通信将预所述应急处理模块与电池管理系统连接，用于自动切断车载锂电池电所述车载锂电池的多维数据包括锂电池的工作电压、锂电池的充放步骤S1：通过多源数据采集模块实时采集车载锂电池的步骤S2：将预处理后的多维数据通过隐马尔可夫模型3步骤S3：若预测得到的锂电池工作状态发生变化步骤S4：将预测得到的锂电池工作状态与持续时间传输至步骤S5：通过无线通信模块将多源数据采集模块实时采用卡尔曼滤波器对采集的车载锂电池多维数据中的噪声进行处理t为卡尔曼增益；若预测的锂电池工作状态为轻度异常状态，且预测的持续时间大于等于第一预设时若预测的锂电池工作状态为严重异常状态，且预测的持续时间大于等于第二预设时若预测的锂电池工作状态为热失控状态，则发送控制信息至4隐马尔可夫模型与隐半马尔可夫模型通过自适应在线学习机制根据云平台存储的数据进5[0005]现有的BMS系统在高温情况下可能失效，无法输出有效数据，导致故障漏报或误可夫模型(HMM)是一种常见的时间序列分析工具，可通过实时监测数据预测电池状态。然[0007]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种新能源汽车锂[0009]本发明一方面提供了一种新能源汽车锂电池热失控监控6[0012]所述隐马尔可夫模型监控模块包括预训练的隐马尔可夫模型与隐半马尔可夫模[0013]所述状态识别模块用于根据车载锂电池的状态信息判断当前车载锂电池的工作7[0043]若预测的锂电池工作状态为轻度异常状态，且预测的持续时间小于第一预设时[0045]若预测的锂电池工作状态为严重异常状态，且预测的持续时间小于第二预设时[0050](1)本发明采用高阶隐马尔可夫模型(HMM)结合历史状态8[0053](4)本发明提出了一种基于改进隐马尔可夫模型的新能源汽车锂电池热失控监控隐半马尔可夫模型(HSMM)进行电池状态监测与故障预测。系统具备自适应在线学习机制，[0058]本实施例提出了一种基于改进隐马尔可夫模型的新能源汽车锂电池热失控监控过无线通信模块将数据传输至云平台，以实现远程监控。结合改进的隐马尔可夫模型[0059]一种基于改进隐马尔可夫模型的新能源汽车锂电池热失控监控系统，其特征在9[0075]所述应急处理模块与电池管理系统(BMS)联动，在电池进入严重异常状态或热失[0078]所述电压传感器用于监测锂电池的工作电压，确保电池在工作范围内正常运[0085]进一步地，所述隐马尔可夫模型与隐半马尔可夫模型采会持续采集锂电池的工作数据，并将这些数据输入到隐马尔可夫模型(HMM)和隐半马尔可[0112]若预测的锂电池工作状态为轻度异常状态，且预测的持续时间小于第一预设时[0114]若预测的锂电池工作状态为严重异常状态，且预测的持续时间小于第二预设时Si转移到后续时刻t+1,t+2,...,T态)转移到另一个状态(如轻度异常状态)的概[0137]HMM会结合当前时刻的观测数据(即当前状态)与历史时刻的观测数据(即之前的[0139]模型通过对这些数据的处理，计算出从一个状态转移到