کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7731524 1497939 2015 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Fault detection of the connection of lithium-ion power batteries based on entropy for electric vehicles
ترجمه فارسی عنوان
تشخیص گسل اتصال باتری های لیتیوم یون بر اساس آنتروپی برای وسایل نقلیه الکتریکی
کلمات کلیدی
باتری های لیتیوم یون، شکست اتصال، فیلتر کسینوس گسسته، آنتروپی شانون، آنتروپی نمونه
ترجمه چکیده
این مقاله یک روش تشخیص خطا از اتصال باتری های لیتیوم یون بر اساس آنتروپی برای وسایل نقلیه الکتریکی ارائه می دهد. در فرایند عملیات الکتریکی برخی از عوامل مانند شرایط جاده، عادت های رانندگی، عملکرد خودرو، همیشه باتری ها را با ارتعاش با خود می برند، که به راحتی سبب از بین رفتن یا اتصال مجازی بین باتری ها می شود. از طریق شبیه سازی آزمایش شارژ و تخلیه باتری در محیط ارتعاش، داده های نوسان ولتاژ می توانند بدست آورند. در همین حال، یک روش فیلتر سازی بهینه با استفاده از روش فیلتر کسینوس گسسته برای تجزیه و تحلیل ویژگی های نویز سیستم بر اساس ولتاژ تنظیم زمانی که باتری در فرکانس های مختلف ارتعاش کار می کنند. داده های تجربی پردازش شده با فیلتر کردن بر اساس آنتروپی محلی شانون، آنتروپی انسانی شانون و آنتروپی نمونه انجام می شود. و بهترین روش برای پیدا کردن یک روش تشخیص خطا اتصال باتری های لیتیوم یونی بر اساس آنتروپی برای خودرو الکتریکی ارائه شده است. داده های تجربی نشان می دهد که آنتروپی شانون گروه می تواند زمان دقیق و محل شکست اتصال باتری را در زمان واقعی پیش بینی کند. علاوه بر صنعت خودرو الکتریکی، این روش همچنین می تواند در مناطق دیگر در محیط پیچیده لرزش استفاده شود.
موضوعات مرتبط
مهندسی و علوم پایه شیمی الکتروشیمی
چکیده انگلیسی
This paper proposes a method of fault detection of the connection of Lithium-Ion batteries based on entropy for electric vehicle. In electric vehicle operation process, some factors, such as road conditions, driving habits, vehicle performance, always affect batteries by vibration, which easily cause loosing or virtual connection between batteries. Through the simulation of the battery charging and discharging experiment under vibration environment, the data of voltage fluctuation can be obtained. Meanwhile, an optimal filtering method is adopted using discrete cosine filter method to analyze the characteristics of system noise, based on the voltage set when batteries are working under different vibration frequency. Experimental data processed by filtering is analyzed based on local Shannon entropy, ensemble Shannon entropy and sample entropy. And the best way to find a method of fault detection of the connection of lithium-ion batteries based on entropy is presented for electric vehicle. The experimental data shows that ensemble Shannon entropy can predict the accurate time and the location of battery connection failure in real time. Besides electric-vehicle industry, this method can also be used in other areas in complex vibration environment.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Power Sources - Volume 293, 20 October 2015, Pages 548-561
نویسندگان
, , ,