三星18650锂离子电池的控制核心设计.docxVIP

三星18650锂离子电池的控制核心设计 摘要：以三星18650锂离子电池为研究对象，设计以工控机和研华1711为控制核心，以ACS712为电流采样芯片以及热敏电阻传感器模块为温度采样芯片的电池管理系统。根据电池组的要求设计虚拟仪器的流程框图和前面板。故障诊断利用模糊神经网络算法，建立故障诊断模型，利用BP神经网络进行样本训练。 0 引言锂电池因其具有能量密度高、循环的寿命高、没有记忆效应、能快速充电优点，被应用在新能源汽车上。为了能够保证电池的安全性和汽车运行过程的高效可靠性，故障诊断技术对于防止电池出现重大性的故障具有十分重要的作用。1 电池管理系统电池管理系统（Battery Management System,BMS）对电池的稳定工作与汽车的安全运行都是十分重要的2 数据采集系统设计锂电池需要采集的数据有：电压（V/V）、电流（I/A）、温度（T/℃）。本文测量单节电池的放电电压，电压从3.9V左右经过100min的时间降到3.2V左右。利用ACS712-05B电流传感器模块进行电流的测量，可以测量5A的电流，他所对应的模拟量的输出时185mv/A。3 基于模糊神经网络的电池系统故障诊断算法设计3.1 BP神经网络BP神经网络的结构分别是第一层输入层、第二层隐藏层和第三层输出层3.2 BP神经网络训练样本的确立首先，建立故障诊断的规则，规定y根据汽车电池的充电和放电的历史数据库，选取样本实验想要的数据，做出表1和表2所示的模糊规则库，也就是故障症状与故障原因之间的规则对应关系。将这个做出的模糊规则库确定为本文BP神经网络的训练样本3.3 利用Matlab语言训练BP神经网络本文实验采用的激励函数为S型对数函数logsig和线性函数purelin，网络训练函数为弹性梯度下降法trainrp，网络迭代次数epochs为200次，期望误差goal为0.00001，学习速率lr为0.05，参数设定完后，可以开始训练网络。如表3故障症状对应故障原因的训练样本的输出，可知结果满足误差要求，表明网络训练成功。这个已经训练好的神经网络可以使用。假定一个的样本输入为X=[0.1,0,0.8,0.9,0,0]，将它输入到上面已将训练好的神经网络中，可以得到Y=[0.0023,0.0010,0.9965,0.0000,0.0000,0.0000]，上述对故障原因的隶属度的描述得出，存在故障y4 系统调试电池进行放电池时，希望同时进行故障的诊断，及时判断出电池的状态。通过把放电电压模糊化处理，在经过神经网络得到想要的结果。在前面板上显示电池放电电压的变化以及故障原因的输出。如图2所示。从电压的放电曲线中看出，电压在3 0 s以后出现放电电压急剧下降的现象，此时从前面板的显示可以看出故障诊断的结果为Y=[0.0 0 0 0,0.9 8 5 1,0.0 0 8 7,0.9 9 6 5,0.0000,0.0002,0.0000]，得出存在故障y5 结语本文构建电流和温度检测电路，运用Lab VIEW虚拟仪器编写数据采集程序，实现了电池电压、电流和温度的采集。运用模糊数学的方法对电池的故障隶属度进行计算。利用BP神经网络对故障症状对应故障原因的样本进行了训练，得到了可以使用的网络模型，最后进行系统调试，可以准确得到故障的原因。