Fault detection for Li-ion batteries of electric vehicles with segmented regression method

电池(电) 计算机科学 断层(地质) 电压 故障检测与隔离 可靠性(半导体) 过程(计算) 回归 回归分析 可靠性工程 航程(航空) 实时计算 汽车工程 人工智能 工程类 机器学习 统计 电气工程 功率(物理) 数学 执行机构 物理 量子力学 地震学 航空航天工程 地质学 操作系统
作者
Muaaz Bin Kaleem,Yun Zhou,Jiang Fu,Zhijun Liu,Heng Li
出处
期刊:Scientific Reports [Springer Nature]
卷期号:14 (1)
标识
DOI:10.1038/s41598-024-82960-0
摘要

Electric vehicles are increasingly popular for their environmental benefits and cost savings, but the reliability and safety of their lithium-ion batteries are critical concerns. Current regression methods for battery fault detection often analyze charging and discharging as a single continuous process, missing important phase differences. This paper proposes segmented regression to better capture these distinct characteristics for accurate fault detection. The focus is on detecting voltage deviations caused by internal short circuits, external short circuits, and capacity degradation, which are primary indicators of battery faults. Firstly, data from real electric vehicles, operating under normal and faulty conditions, is collected over a period of 18 months. Secondly, the segmented regression method is utilized to segment the data based on the charging and discharging cycles and capture potential dependencies in battery behavior within each cycle. Thirdly, an optimized gated recurrent unit network is developed and integrated with the segmented regression to enable accurate cell voltage estimation. Lastly, an adaptive threshold algorithm is proposed to integrate driving behavior and environmental factors into a Gaussian process regression model. The integrated model dynamically estimates the normal fluctuation range of battery cell voltages for fault detection. The effectiveness of the proposed method is validated on a comprehensive dataset, achieving superior accuracy with values of 99.803% and 99.507% during the charging and discharging phases, respectively.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
轻松沛凝完成签到,获得积分10
刚刚
1秒前
1秒前
聪明摩托完成签到,获得积分10
1秒前
Theo完成签到,获得积分10
4秒前
优雅的平安完成签到 ,获得积分10
4秒前
tk完成签到 ,获得积分10
4秒前
Zoe_YU完成签到,获得积分10
4秒前
薛珊珊完成签到,获得积分10
5秒前
淘金者1314发布了新的文献求助10
6秒前
7秒前
Porifera完成签到,获得积分10
7秒前
笨鸟先飞发布了新的文献求助10
7秒前
科研小助完成签到,获得积分10
8秒前
星辰大海应助gggwj采纳,获得10
9秒前
领导范儿应助竹竿采纳,获得10
9秒前
10秒前
pursuingx完成签到,获得积分20
10秒前
MG_aichy完成签到,获得积分10
10秒前
Titi完成签到 ,获得积分10
10秒前
11秒前
Yifan2024完成签到,获得积分0
12秒前
zz完成签到,获得积分10
12秒前
wanwei完成签到,获得积分10
13秒前
洛洛发布了新的文献求助10
14秒前
科研小助发布了新的文献求助10
15秒前
hhh完成签到 ,获得积分10
15秒前
细腻依云发布了新的文献求助20
16秒前
小马甲应助笨鸟先飞采纳,获得10
16秒前
画风湖湘卷完成签到,获得积分10
17秒前
XLH发布了新的文献求助10
17秒前
19秒前
20秒前
Lucas应助长孙归尘采纳,获得10
20秒前
项之桃完成签到,获得积分10
20秒前
香菜完成签到,获得积分10
20秒前
Xiaoxin_Ju完成签到,获得积分10
21秒前
愤怒也哈哈完成签到,获得积分10
21秒前
lc完成签到,获得积分10
21秒前
疗伤烧肉粽完成签到,获得积分10
21秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1200
RNAの科学 ―時代を拓く生体分子― 金井 昭夫(編) 1000
BIOLOGY OF NON-CHORDATES 1000
进口的时尚——14世纪东方丝绸与意大利艺术 Imported Fashion:Oriental Silks and Italian Arts in the 14th Century 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 550
Education and Upward Social Mobility in China: Imagining Positive Sociology with Bourdieu 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3353809
求助须知:如何正确求助?哪些是违规求助? 2978293
关于积分的说明 8685108
捐赠科研通 2659822
什么是DOI,文献DOI怎么找? 1456369
科研通“疑难数据库(出版商)”最低求助积分说明 674342
邀请新用户注册赠送积分活动 665110