点击次数：

影响因子：1.6

DOI码：10.19535/j.1001-1579.2026.02.011

发表刊物：电池

关键字：锂离子电池; 内短路诊断; 离群点检测; 标准差算法; 遗传算法优化反向传播神经网络(GA-BP); 故障预警

摘要：针对锂离子电池内短路故障诊断难题,提出一种融合改进的动态离群检测、特征增强和优化预测的三阶段诊断方法。首先,利用基于动态 k 值优化的局部异常因子(LOF)检测模型,通过动态搜索获得最佳邻域参数,以此确定异常单体电池的位置;其次,在传统标准差算法基础上,为了减小测量误差影响,引入滑动窗口机制,放大早期内短路故障的微弱特征,实现故障的精确检测;最后,构建遗传算法优化反向传播神经网络( GA-BP)融合模型,并结合标准差算法对故障进行预警。通过对多辆实际的电动汽车数据的验证,所提出的方法对故障单体检测的准确率超过 95%,并且可以稳定地提前 6 个采样周期实现内短路故障的预警,对于提高电动汽车电池的安全防护能力具有重要意义。

备注：北大核心

合写作者：陈中宇,胡玉叶,杨凌霄

第一作者：陈媛

论文类型：期刊论文

通讯作者：吴慕遥

学科门类：工学

文献类型：J

卷号：56

期号：2

页面范围：369-375

ISSN号：1001-1579

是否译文：否

发表时间：2026-04-25

发布期刊链接：https://kns.cnki.net/kcms2/article/abstract?v=lj-1FT9NYjAIf5XDJWSghy1j0u0CYZzWNLCr2WZyvJJsDLaPv5SY4dfosVow5Mq_7n-65zNZimk_PPDcrCe9lNzjh12PfaZAUPR1gtagR8zNg8oqbSbUvv7Bv7IBEpuDl3NAXxGT47VxsaefzNRc8a-nI5