10.19562/j.chinasae.qcgc.2023.01.016
基于混合高斯-隐马尔可夫模型的动力电池实时热失控检测
随着电动汽车在我国的发展,动力电池的安全性能成为评价电动汽车综合产品力的重要指标,其中动力电池热失控的检测对乘车人员的安全至关重要.针对传统热失控检测方法在实际应用中难以准确做出判断的问题,从电池传感器直接观测的电压、电流、时间等参数中提取状态特征向量,使用混合高斯模型对特征进行最优化筛选.分别对动力电池不同的安全状态评估其混合概率分布,通过BW方法建立隐马尔可夫模型,利用维特比算法对当前观测序列计算相似概率来判断当前电池的健康状况.实验结果表明,隐马尔可夫模型对动力电池热失控的识别较常见时序检测方法更为准确,可以实现在无需电化学仪器检测的前提下达到初步热失控风险检测的目的,提升安全检测效率,降低检测成本.
电池热失控、实时预警、隐马尔科夫模型、混合高斯模型、机器学习
45
TP391.41;U469.72;TN91
2023-02-16(万方平台首次上网日期,不代表论文的发表时间)
共8页
139-146