关键词：汽车工程;故障诊断;香农熵;动力电池;数据优化;核密度估计
摘 要：动力电池系统故障诊断是保障电动汽车安全可靠运行的关键，其中避免误报警不仅能减少驾驶人对车辆的安全焦虑，同时也是诊断方法进行实际应用的必要条件，因此提升方法的可靠性具有重要意义。动力电池系统中电压的异常波动是电池性能恶化所释放的重要信号，因此能很好评估数据离散程度的熵方法在电池故障诊断领域被广泛研究。然而，当经典的基于区间概率的香农熵方法在进行工程实践验证时，发现结果中存在大量的一级和二级误报警单体电池。基于此，为了提升方法的准确率，首先，利用具有热失控事故的车辆电压数据分析模型的故障诊断原理。进一步地，基于正常车辆运行数据，研究2种典型场景下模型的误报警机制。在上述条件下，提出2种措施来缓解原始方法的误报和漏报问题，即数据优化法和核密度估计与熵融合法。最后，选取具有不同故障特征的真实故障样本来检验算法的泛化能力，同时他们的有效性和可靠性被分别验证。基于大量正常在役车辆数据，进行了模型优化前后性能的对比分析。结果显示：相比之下，2种方法对正常车辆的相对误报警率分别降低了90%和98%,从而极大提升了诊断策略的可靠性，推动了方法的在线实车应用，并为其他故障诊断策略准确率的分析和优化提供了思路。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取