0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

汽车电子感知器件测试的方向

汽车电子设计 来源:未知 作者:李倩 2018-06-20 09:08 次阅读

这是个很现实的问题,如果未来电动车辆多了,出了各种事故(碰撞、泡水),该如何进行有效的监控和检测?我个人的想法,是通过一个专用的电路块,大概有这么一个构思雏形:

1)具备多路的电源输入,可以在12V电池工作和电池不工作的时候进入外部挂入12V的配置可能性

备注:这点类似48V电池的耗尽强制充电的功能设计考虑

2)工作电流足够小,能够维持一个较为合适工作间隔,通过低功率低阈值的危险预警和高功率灵敏阈值的感知器件

3)可以形成一个低功耗的ASIC,然后模块化接入到BMS里面成为它的一部分

Deutsche ACCUMOTIVE的一篇《Fast Thermal Runaway Detection for Lithium-Ion Cells in Large Scale Traction Batteries》的内容还是有很多有意思的内容,我觉得摘录下来可以是我们接下来做感知器件测试的方向。

这里选用了一组传感器

传感器S1,复用模组内的单体电压采集信号

传感器S2是采用了由二氧化锡(SnO2)做成的气体传感器,它对甲烷(CH4),丙烷(C3H8)或一氧化碳(CO)这些在热失控过程中电池所排出的气体。

传感器S3是一种烟雾探测器,这是根据红外LED的原件,原理是通过光电烟雾探测器,考虑电芯在热失控过程中产生的烟雾和其他气体会引起传感器的阈值变化。

传感器S4这里比较巧妙了,想法使用一个PCB上面设计两个焊盘,根据表面清洁度来评估这个里面的环境变化。输出的特点是根据阻抗的变化来考虑的。

传感器S5:采用较高精度的K型(NiCr-Ni)热电偶测量空气和排气系统的温度。

传感器S6:测量绝对压力在20kPa≤psens≤304kPa范围内的压力传感器,这个原理是几乎所有的企业都检测到单体热失控过程中可以造成电池系统内压力的提升

传感器S7:薄膜压阻式力传感器,范围为0 N≤Fsens≤445 N,在模组内配置,用于测量热失控中的电芯和相邻电芯之间的膨胀力。

配置实验的过程:测试条件是采用了1P和2P的电芯,100%SOC和60°的环境温度,我后面在ind4更新以下不同SOC和不同类型的配置,对于整个热失控电芯的不同测试数据的汇总。这里是根据实际的模组配置来测试比较合理

测试构建:

实验的数据结果:

样品1

样品2

样品3

测试效果,这里罗列了三个基本的项目

A)检测速度:检测到热失控有多快

B)信号清晰度:传感器信号的清晰度,考虑在实际环境中有信噪比的问题

C)传感器实用可行性:如何容易将传感器部署在电池系统中

这是评估结果:

从反应速度来看:气体传感器(S2)、压力传感器(S6)和模组压力(S7)反应最快

从信号清晰度来看:电压(S1)、气体传感器(S2)都是可以的;传S3和S5都是比较差异化大的方案

集成来看:S1、S4和S6是比较可行的

备注:昨天写的有关于JRC的文章情况是类似的,电压的较长时间尺度内的跌落是比较靠谱的信号,而整包的压力传感器这两个确实成为目前大家工作的方向

小结:之前我花了挺多时间去看气体传感器的,其实气体传感器用在这个应用上面还有很大的寿命问题,而且容易受其他类似漏液和胶水挥发之类的气体所淹没,现在核心要考虑一套降采样频率,来构建一个独立的MCU核来构建这个系统,需要看能维持多少时间^_^,在这个领域内的传感器优化配置和算法的开发,是很有文章可做的

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 传感器
    +关注

    关注

    2525

    文章

    48069

    浏览量

    739996
  • 汽车电子
    +关注

    关注

    2999

    文章

    7446

    浏览量

    161562

原文标题:电池热失控的检测和监控

文章出处:【微信号:QCDZSJ,微信公众号:汽车电子设计】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    感知分类,BP,Hopfield等MATLAB代码

    感知器分类、BP网络函数逼近、Hopfield网络求逼近平衡点等神经网络实验用到的一些代码。附件:
    发表于 02-28 09:32

    DL:DL单层感知器Perceptron的原理及Perceptron Can not solve XOR problem

    DL:DL单层感知器Perceptron的原理及PerceptronCan not solveXOR problem
    发表于 12-21 10:35

    精量电子位移传感器在智能化控制中的重要性

    感知器件组成,并在物联网和智能设备中被逐渐利用,它是测定感知器件的重要元器件之一,其应用广泛,逐渐覆盖各个智能制造领域及物联网领域。三、智能传感器目前,智能传感器领域产品逐渐成熟,主体传感器件
    发表于 10-08 13:56

    上海逻迅门磁感知器系统方案

    `上海逻迅门磁感知器方案`
    发表于 02-18 13:33

    柔性可穿戴电子器件的最新进展

    当前人工智能快速发展,各种类人功能智能机器人层出不穷,触觉感知是人类和未来智能机器探索物理世界的基础性功能之一,发展具有触觉功能的仿生电子皮肤柔性感知器件,并实现器件与柔软组织间的机械
    发表于 07-30 07:04

    如何使用Keras框架搭建一个小型的神经网络多层感知器

    本文介绍了如何使用Keras框架,搭建一个小型的神经网络-多层感知器,并通过给定数据进行计算训练,最好将训练得到的模型提取出参数,放在51单片机上进行运行。
    发表于 11-22 07:00

    多层感知器在提高软件可维护性上的应用

    预测分析软件质量可看作是一个以源代码度量作为属性标签、模块性能作为类标签的分类问题。首次提出将多层感知器应用于软件质量预测,并使用对称不定性分析来提高其分类性能。
    发表于 04-06 00:01 20次下载

    人工智能–多层感知器基础知识解读

    感知器(Perceptron)是ANN人工神经网络的一个概念,由Frank Rosenblatt于1950s第一次引入。 MLP多层感知器是一种前向结构的ANN人工神经网络, 多层感知器(MLP)能够处理非线性可分离的问题。
    发表于 07-05 14:45 5815次阅读

    使用MATLAB编写单层感知器的函数免费下载

    本文档的主要内容详细介绍的是使用MATLAB编写单层感知器的函数免费下载。
    发表于 08-13 16:55 4次下载

    关于门磁感知器SG6AD,它的特点有哪些

    门磁感知器SG6AD的特点有哪些? 门磁感知器SG6AD是逻迅公司研发生产的一种应用于物联网智能监测感知器。通过磁性感应、位移等多种传感器结合,实时监测门的开关闭合状况。可设定监测参数(如开启、闭合
    发表于 06-19 16:13 553次阅读

    上海逻迅官网资讯:门磁感知器SG6AD系统架构方案有哪些?

    上海逻迅官网资讯:门磁感知器SG6AD系统架构方案有哪些? 门磁感知器SG6AD是逻迅公司研发生产的一种应用于物联网智能监测感知器。通过磁性感应、位移等多种传感器结合,实时监测门的开关闭合状况。可设
    发表于 04-24 10:09 781次阅读

    门磁感知器SG6AD的产品规格及参数详情

    上海逻迅官网资讯:门磁感知器SG6AD的产品规格及参数详情 门磁感知器SG6AD是逻迅公司研发生产的一种应用于物联网智能监测感知器。通过磁性感应、位移等多种传感器结合,实时监测门的开关闭合状况。可设
    发表于 04-09 15:03 1417次阅读

    关于机器人的五大感知器

    机器视觉和传感器的应用就使得机器人的发展迈出了关键一步,人的五大感知器官与机器人感知器官对应的就是传统的光学图像传感器,力传感器等,具有视觉和力传感器的机器人能够看见,能够以较慢速度和物体接触,能触碰更细微的表面,这使得其更加容易和人类进行交互。
    发表于 08-03 11:03 5002次阅读

    PyTorch教程5.2之多层感知器的实现

    电子发烧友网站提供《PyTorch教程5.2之多层感知器的实现.pdf》资料免费下载
    发表于 06-05 15:32 0次下载
    PyTorch教程5.2之多层<b class='flag-5'>感知器</b>的实现

    使用多层感知器进行机器学习

    我们将使用一个极其复杂的微处理器来实现一个神经网络,该神经网络可以完成与由少数晶体管组成的电路相同的事情,这个想法有些幽默。但与此同时,以这种方式思考这个问题强调了单层感知器作为一般分类和函数逼近工具的不足——如果我们的感知器不能复制单个逻辑门的行为,我们知道我们需要找到
    的头像 发表于 06-24 11:17 336次阅读
    使用多层<b class='flag-5'>感知器</b>进行机器学习