電動車鋰電池管理系統(tǒng)的研究—模糊診斷專家系統(tǒng)

專家系統(tǒng)(EXPERT SYSTEM)是一個具有大量專門知識的程序系統(tǒng)，它應用人工智能(ARTIFICIAL INTELLIGENCE，簡稱AI)技術，根據(jù)一個或多個人類專家提供的特殊領域知識進行推理，模擬人類專家作決定的過程來解決那些需要專家才能解決的復雜問題。電池組故障診斷模糊專家系統(tǒng)是電池管理系統(tǒng)的一部分，它以模糊數(shù)學與模糊診斷原理為基礎，將電池專家和有關蓄電池使用和維護的書籍上總結出的經(jīng)驗和規(guī)則存入知識庫中，以電池的歷史檔案、運行狀況和上一次的診斷結果為依據(jù)，采用模糊綜合評判的方法對電池故障進行診斷，同時給出電池的健康狀況和維護信息。通過專家診斷系統(tǒng)，我們可以挑選出性能較差的電池，保證純電動車或者混合電動車的車用電池組性能上的一致，也使剩余電量估計模型能夠更準確更好的應用于電動車上。

7.1 模糊數(shù)學與模糊診斷方法

在電池故障診斷中專家所描述的癥狀，如“電壓上升快”、“充電不足”、“電壓下降快”等，是界限不清的模糊集合。我們通過模糊數(shù)學模型加以描述。用模糊關系矩陣來反映某些故障機理，并選用適當?shù)碾`屬函數(shù)，用相應的隸屬度來描述這些癥狀存在的傾向性。模糊故障診斷方法就是根據(jù)某些癥狀的隸屬度來求出各種故障的隸屬度，用以表征各種故障存在的傾向性，為判斷電池故障和采取補救措施的決策提供科學的依據(jù)。下面介紹模糊數(shù)學模型和我們采用的綜合評判方法。

兩論域之間顯然存在著某種模糊關系。例如，某一故障將引起若干強弱不同的癥狀，而某一癥狀也表征著若干個故障的存在。這個模糊關系可通過隸屬度表示，例如，可定出癥狀x j相應于故障v i的隸屬度：

它組成了論域U和論域V之間的模糊關系矩陣：

如果已知模糊關系矩陣R和模糊向量α，就可求得模糊向量β。

這就是多因素評判：

其中，各癥狀的隸屬度向量α可以從測量數(shù)據(jù)和歷史檔案通過一定的隸屬函數(shù)求得。至于模糊關系矩陣，它是大量分析、實驗、測試和現(xiàn)場實踐經(jīng)驗的總結，可以通過大量實驗和總結有關專家，技術人員和工人的經(jīng)驗來決定。同時還可以參考大量的相關資料和前人的經(jīng)驗。

在我們的系統(tǒng)中采用的運算模型將模糊關系的運算式展開如下：

其中“*”為代數(shù)乘，運算(r1j *μxj)可看成是對隸屬度μxj的加權修正，rij可看成是加權值，因而要求rij歸一化，即令

而代數(shù)和“+”則表示對諸因素