16、电动汽车动力系统故障检测与隔离技术解析

电动汽车动力系统故障检测与隔离技术解析

1. 电池建模

电池是一个非线性的热电化学系统。电池模型有助于解答诸如电池的荷电状态（SOC）、健康状态（SOH），以及由于环境和循环导致的电池化学和机械退化所带来的性能与寿命权衡等问题。一般有两种电池建模方法：等效电路模型和电化学模型。

1.1 等效电路模型

• Rint电池模型 ：将电池开路电压视为理想电压源，电池内阻视为电阻。开路电压和内阻都是SOC、SOH和温度的函数。其控制方程为 (U_L = U_{OC} - I_LR_O)，其中 (U_{OC}) 是电池开路电压，(R_O) 是电池内阻，(U_L) 是电池端电压，(I_L) 是负载电流。
• Thevenin电池模型 ：是Rint电池模型的扩展，考虑了充放电对电池的瞬态影响，通过在Rint电池模型基础上串联一个并联RC网络实现。模型包含开路电压 (U_{OC})、电池内阻（欧姆电阻 (R_O) 和极化电阻 (R_{TH})）和等效电池电容 (C_{TH})。控制方程为 (\dot{U} {TH} = -\frac{U {TH}}{R_{TH}C_{TH}} + \frac{I_L}{C_{TH}}) 和 (U_L = U_{OC} - U_{TH} - I_LR_O)。
• PNGV电池模型 ：是Thevenin电池模型的进一步扩展，考虑了负载电流随时间积累导致的开路电压变化，通过在Thevenin电池模型基础上串联一个电容实现。
• 双极化（DP）电池模型 ：在Thevenin电池模型基础上，考虑了浓差极化和电化学极化的影响，通过串联一个RC并联网络实现。
• RC电池模型 ：将电池视为两个电容（表面电容 (C_c) 和体电容 (C_b)）和三个电阻（端电阻 (R_t)、端电阻 (R_e)、电容电阻 (R_c)）。

1.2 电化学模型

复杂的电化学模型会从分子层面考虑电池单元的电气动力学。热 - 电化学电池模型将电池单元的热能量方程与多相微观 - 宏观电化学模型通过热生成和与温度相关的物理化学性质（如电解质的扩散系数和离子电导率）耦合起来。该模型能够预测电池单元的空间和平均温度、充放电效率、电池压力、动态电位和电流曲线以及活性材料利用率。

2. 基于信号处理的故障检测与隔离方法在电池诊断中的应用

虽然基于电池电压、电流和温度测量的电池管理系统（BMS）可以估计电池的SOC和SOH，但在单个故障类型诊断和状态估计准确性方面存在局限性。因此，出现了基于信号处理的先进电池诊断系统。

2.1 SOC估计

电池SOC表示其剩余充电容量，数学上是电池当前容量与标称容量的比值。SOC估计方法大致分为四类：直接测量方法、簿记估计、自适应系统和混合方法。在自适应系统和混合方法中，基于信号处理的技术（如卡尔曼滤波器、扩展卡尔曼滤波器和无迹卡尔曼滤波器）对于提高估计准确性很重要。

2.2 SOH估计

电池SOH是指电池与新电池相比存储和释放电荷的能力。监测电池SOH对于延长电池寿命很重要。基于信号处理的技术（如卡尔曼滤波器、扩展卡尔曼滤波器和无迹卡尔曼滤波器）在自适应系统方法中可用于准确估计电池SOH。电池SOH估计方法还包括机器学习方法（如阻抗测量、内阻测量、容量水平、ICA/DVA、支持向量回归、神经网络、模糊逻辑、自适应滤波、电化学模型）、实验方法和基于模型的方法。

3. 电动机故障诊断

3.1 电动机故障类型

电动机一般由定子、转子和轴承组成，常见故障可分为机械故障和电气故障。
- 机械故障 ：影响轴承完整性和转子在定子中的偏心度，如轴承内外圈缺陷、滚动体缺陷、保持架缺陷，以及因轴弯曲、气隙不均匀等导致的偏心故障。
- 电气故障 ：与转子和定子故障有关，转子故障表现为转子导条断裂、转子绕组短路、转子端环开裂等；定子故障表现为定子绕组开路、短路和异常连接。

3.2 基于信号处理的故障检测与隔离方法 - 电动机电流特征分析（MSCA）

MSCA是一种适用于感应电动机的故障检测和隔离技术，起源于20世纪70年代的核工业，如今也应用于电动汽车和其他行业。其优点是不中断电动机运行，通过采集电动机一相的电流信号（定子电流），使用信号处理技术（如快速傅里叶变换FFT）获得电流频谱，用于定位故障频率。

以下是MSCA可检测的电动机故障：
|故障类型|故障描述|检测方法|
| ---- | ---- | ---- |
|气隙偏心|气隙不均匀，分为静态偏心（转子几何中心和旋转中心重合，但与定子几何中心不同）、动态偏心（转子几何中心与旋转中心不重合）和混合偏心|静态偏心：在偏心频率 (f_{ec}) 周围出现边带，(f_{ec} = f_g \pm (1 - s)\frac{R}{p}n_{d1} \pm n_{ws1})；动态偏心：电流频谱中出现由机械转子频率 (f_g) 调制的新谐波|
|转子导条断裂|由于繁重的工作循环导致，本身不会导致电动机故障，但可能造成二次损坏|在电流频谱中出现转子导条断裂频率分量 (f_{brb} = f_g \pm (1 - s)\frac{k}{p}f_s)|
|轴承故障|主要由安装时的不对中引起|在电流频谱中出现轴承故障频率分量 (f_0 = 0.4nf_{rm}) 和 (f_1 = 0.6nf_{rm})，其中 (n) 是滚动体数量，(f_{rm}) 是转子的机械旋转频率|
|定子绕组短路|感应电动机中常见的故障|在电流频谱中出现定子绕组短路频率分量 (f_{st} = f_g \pm (1 - s)\frac{n}{p}k)|
|负载效应|电动机运行时，由于工作循环需求，传递扭矩会发生变化|在电流频谱中出现频率分量 (f_{load} = f_s \pm mf_r \pm (1 - s)\frac{m}{p}f_s)|

下面是MSCA检测电动机故障的流程图：

graph LR
    A[采集电动机一相电流信号] --> B[使用FFT获得电流频谱]
    B --> C{判断是否有故障频率}
    C -- 是 --> D[确定故障类型]
    C -- 否 --> E[电动机正常]

4. 电力电子故障诊断

电力转换器/逆变器组件的可靠性主要取决于其主要组件 - 功率开关的耐久性。常见的功率开关类型有晶闸管、门极可关断晶闸管（GTO）、功率双极结型晶体管（BJT）、功率金属氧化物场效应晶体管（MOSFET）、绝缘栅双极晶体管（IGBT）等，在电动汽车功率转换器/逆变器中，IGBT是广泛采用的开关技术。功率开关设备最常见的故障类型有开路故障和短路故障。

4.1 基于信号处理的故障检测与隔离方法 - 开路开关故障检测

IGBT的开路开关故障可能是由于键合线断裂或栅极驱动故障引起的，会导致故障相/支路出现直流偏移。检测功率驱动器中开路开关故障的方法主要有两种：
- 电压传感器测量技术 ：快速响应，检测时间短，但需要在系统中插入额外的电压传感器。相关的电压测量指标包括逆变器极电压测量、电机相电压测量、系统线电压测量和电机中性点电压测量。
- 软件定义技术 ：不需要额外的电压传感器，但检测时间较长。包括跟踪电流矢量轨迹和三相电流平均值等技术。

以下是功率驱动器开路开关故障检测技术的总结：
|故障|症状|故障指标|方法|评论|
| ---- | ---- | ---- | ---- | ---- |
|开路开关故障|直流电流偏移|电流矢量轨迹|Park方法|负载相关|
| | | |归一化直流电流方法|复杂|
| | | |改进的归一化直流电流方法|高效|
| |三相电流平均值|小波 - 神经网络方法|成本高，智能|
| | |电流偏差方法|实施难度大|
| |电压|时域电压比较|需要额外传感器|
| | |下开关电压检测|快速检测|

电动汽车动力系统故障检测与隔离技术解析

5. 故障检测与隔离技术的综合应用与发展趋势

在电动汽车动力系统中，电池、电动机和电力电子等各个部分的故障检测与隔离技术并非孤立存在，而是相互关联、相互影响的。综合应用这些技术可以提高整个动力系统的可靠性和安全性。

5.1 多传感器融合技术

为了更准确地检测故障，多传感器融合技术逐渐成为研究热点。通过将电池的电压、电流、温度传感器数据，电动机的电流、转速传感器数据，以及电力电子设备的电压、电流传感器数据进行融合，可以更全面地了解动力系统的运行状态。例如，在检测电池故障时，结合电压、电流和温度数据可以更准确地判断电池的SOC、SOH以及是否存在内部短路等故障。在电动机故障诊断中，融合电流和转速数据可以更有效地检测转子导条断裂、气隙偏心等故障。

5.2 人工智能与机器学习的应用

人工智能和机器学习技术在故障检测与隔离领域的应用越来越广泛。例如，神经网络可以通过学习大量的故障数据来识别不同类型的故障模式，支持向量机可以用于故障分类和诊断。在电池SOH估计中，机器学习方法如支持向量回归、神经网络等可以根据电池的历史数据和实时测量数据来准确估计电池的健康状态。在电动机故障诊断中，机器学习算法可以对MSCA得到的电流频谱进行分析，提高故障检测的准确性和效率。

5.3 故障预测与健康管理（PHM）

故障预测与健康管理技术旨在通过对动力系统的实时监测和数据分析，预测故障的发生时间和发展趋势，并采取相应的措施进行预防和维护。例如，在电池管理中，通过对电池的SOC、SOH和温度等参数的长期监测和分析，可以预测电池的剩余使用寿命，提前进行电池更换或维护。在电动机和电力电子设备中，PHM技术可以通过对设备的运行状态进行实时评估，预测故障的发生概率，及时进行维修和保养，避免设备故障对整个动力系统造成影响。

6. 总结与展望

本文详细介绍了电动汽车动力系统中电池、电动机和电力电子设备的故障检测与隔离技术。电池建模是理解电池性能和故障诊断的基础，基于信号处理的方法可以有效地估计电池的SOC和SOH。电动机故障诊断中，MSCA是一种常用且有效的技术，可以检测多种类型的故障。电力电子设备的开路开关故障检测方法包括电压传感器测量技术和软件定义技术。

未来，随着电动汽车技术的不断发展，动力系统的复杂性和集成度将不断提高，故障检测与隔离技术也将面临新的挑战和机遇。一方面，需要进一步提高故障检测的准确性和及时性，以保障电动汽车的安全可靠运行。另一方面，需要加强故障预测和健康管理技术的研究，实现动力系统的智能化维护和管理。此外，多传感器融合、人工智能和机器学习等技术的应用将为故障检测与隔离技术带来新的突破和发展。

以下是电动汽车动力系统故障检测与隔离技术未来发展方向的列表：
- 提高故障检测的精度和可靠性，降低误报率和漏报率。
- 加强故障预测和健康管理技术的研究，实现动力系统的预防性维护。
- 推动多传感器融合技术的发展，实现更全面、准确的系统状态监测。
- 深入研究人工智能和机器学习算法在故障检测与隔离中的应用，提高故障诊断的智能化水平。
- 开发更加高效、低成本的故障检测与隔离系统，降低电动汽车的生产成本。

下面是电动汽车动力系统故障检测与隔离技术发展的流程图：

graph LR
    A[现有故障检测与隔离技术] --> B[多传感器融合技术发展]
    A --> C[人工智能与机器学习应用加强]
    A --> D[故障预测与健康管理技术提升]
    B --> E[提高故障检测准确性]
    C --> E
    D --> E
    E --> F[实现动力系统智能化维护管理]
    F --> G[降低成本，推动电动汽车普及]

综上所述，电动汽车动力系统的故障检测与隔离技术是保障电动汽车安全可靠运行的关键技术之一。通过不断地研究和创新，这些技术将不断完善和发展，为电动汽车的未来发展提供有力支持。