论文部分内容阅读
随着全世界环境保护要求的不断提升,电动汽车的发展是汽车工业的主要发展方向。而电动汽车的技术关键问题是零部件的可靠性特别是电池的可靠性。因此,这一问题的研究对于电动汽车的发展具有重要意义。本文采用Bayes统计方法对电动汽车蓄电池组的可靠性水平进行了定量分析。零部件的可靠性分析和寿命分析需要着重对其故障时间和分散性建模。收集并整理汽车蓄电池电容量的退化数据,建立退化模型。对电容量为60Ah的电动汽车电池进行充放电循环测试,并记录每个周期电流与电压的测试结果。对试验所得的数据进行整理,计算出每个周期所得到的电池放电容量。假设当实际容量退化至额定容量的70%时,汽车蓄电池视为失效,则汽车蓄电池单体的失效阈值为42Ah。汽车电池阻抗Re的取值范围)07.0,02.0(,容抗Rct的取值范围为)09.0,06.0(。研究汽车电池阻抗和容量的关系,可以看出其电池的阻抗和容量对应点较均匀地散布在回归直线两侧。根据汽车电池的失效时间数据,建立指数分布模型、Weibull分布模型和对数正态模型。对相应的模型进行贝叶斯2χ拟合优度检验,并对BIC值进行了比较。通过使用Gibbs抽样算法解决了Bayes可靠性分析中求解复杂后验积分的问题。得出了参数后验分布和可靠性指标的点估计和区间估计。计算结果如表4.3所示,汽车电池的平均故障时间为509.62个周期充放电500个周期后的可靠度R(500)=0.82。用指数模型分析汽车蓄电池工作时间数据可靠性是精确的,效果良好。本文的创新点是针对电池容量衰减数据类型,建立了改进的退化模型。改进后的退化模型算法考虑的因素较多,能较全面的反映电池容量衰减情况。