基于人工智能的故障诊断及容错控制技术在动力电池中的应用

安全性问题是动力电池（组）发展的关键。对故障进行有效的预测和辨识并实施容错控制是解决动力电池（组）系统安全性的有效方法。本课题将在故障征兆知识库建立、智能算法、故障预测和辨识及容错控制等关键技术方面展开深入研究，并采用这些技术来解决动力电池（组）电化学方面的问题。根据动力电池组早期故障征兆的特点和目前故障诊断及处理能力的不足，将电池电化学特性、控制技术和智能算法相结合，创新性地提出在动力电池（组）管理系统中应用"故障预测"和"容错控制"技术相结合，为动力电池早期故障的有效处理奠定基础，进而提升动力电池管理系统的实用性和有效性。针对故障诊断和容错控制的智能算法技术、结构、方案、策略和实现方法进行研究，建立二次动力电池（组）智能故障诊断与容错控制模型，为进而完成电池管理系统软件打下坚实的基础。

我们首次将人工神经网络理论、故障诊断及容错控制技术应用于动力电池的设计和管理系统上，实现锂离子电池故障预测与检测、故障识别、故障分离与估计、故障评价与决策。首先，我们通过人工神经网络理论来研究锂离子电池的正负极材料，预测锂离子电池的容量。在此基础上我们将电池电化学特性、控制技术和智能算法相结合，为二次动力电池管理系统引入了智能“预测”和“容错”的思想。利用智能的诊断方法和策略，对可能发生的故障原因、类型、部位、程度、后果作出准确地预测和诊断。基于最优智能算法策略，建立智能容错模型，达到及时反馈、准确决策，并可以采用多种手段实现动力电池（组）安全可靠的运行。.通过将人工神经网络理论、智能诊断和容错控制技术引入锂离子电池及其相关材料的研究和制备，通过建立电池散热和容量预测模型，解决了锂离子电池研究中存在的庞大而复杂的问题，为锂离子电池正极材料和负极材料的研究、电池内部结构以及工艺设计研究奠定了理论基础，从而保证了大容量、高安全性锂离子电池的研制成功。. 在该项目的实施过程中，我们共获得4个创新点：.1首次提出将人工神经网络理论和容错控制技术引入锂离子电池的研究和制备中，建立了电池散热和容量预测模型，为锂离子电池及其相关材料的研究奠定了理论基础；.2首次采用多元复合掺杂技术和高温固相法制备锰酸锂正极材料，采用三步高温固相煅烧法制备磷酸铁锂正极材料，解决了锂离子电池正极材料容量低、导电性能和循环性能差等关键技术，为制备高性能的锂离子电池奠定基础；.3首次利用人工神经网络理论和容错控制技术制备高安全性、高动力性锂离子电池，解决了电池内部结构和工艺设计中的关键技术，特别是散热问题和安全性问题；.4首次利用人工神经网络理论和容错控制技术制备出目前世界上最大的圆柱形单体400Ah磷酸铁锂/钛酸锂锂离子电池，突破了国内外一般认为圆柱形单体锂离子电池最大容量只能是100Ah的安全瓶颈。.在该项目的实施过程中，我们共申请国家发明专利三项，获得授权发明专利一项，获2010年度天津市专利发明金奖一项；通过天津市科技成果鉴定一项；发表有关论文23篇：其中一区论文5篇，二区论文5篇；培养博士生16名（其中已毕业9名），硕士生13名（其中已毕业9名）。