摘要
动力电池故障诊断是电池管理系统的一个重要课题.由于动力电池自身电化学成分及工作环境恶劣等因素影响,传统的动力电池故障诊断技术效果欠佳.因此,该研究拟议了一种基于减法聚类的自适应神经模糊推理系统(SC-ANFIS)进行动力电池故障诊断的方法.为了验证该方法的可行性,首先,利用Matlab构建一个可用于诊断动力电池故障的SC-ANFIS模型.该模型通过减法聚类(SC)对输入空间进行非线性划分,自动生成非线性的初始模型结构和参数,并利用混合算法优化模型参数.其次,利用动力电池不同状态下的电压数据对模型进行训练、测试.最后,将拟议的SC-ANFIS模型和BP模型进行仿真实验对比.仿真实验结果表明,SC-ANFIS模型的动力电池故障诊断具有识别率高、识别速度快、识别稳定性好等特点.SC-ANFIS模型故障诊断识别率的三个误差指标RMSE、MAPE和MAE分别比BP模型优化了12.36%、8.78%和10.89%.SC-ANFIS模型的故障诊断识别速度比BP模型快12.98%.SC-ANFIS模型故障诊断识别率和识别时间的稳定性也比BP模型好.这为开发高性能的SC-ANFIS动力电池故障诊断提供了基础.
维普
万方数据