基于多傳感器數(shù)據(jù)融合的電動汽車動力鋰電池火災探測系統(tǒng)

勞中建 張洋 丘嘉樂 梁中棚 連柏堯

開發(fā)設計

基于多傳感器數(shù)據(jù)融合的電動汽車動力鋰電池火災探測系統(tǒng)

勞中建 張洋 丘嘉樂 梁中棚 連柏堯

（廣州通達汽車電氣股份有限公司，廣東廣州 510700）

針對電動汽車動力鋰電池火災早期預警問題，提出基于多傳感器數(shù)據(jù)融合的電動汽車動力鋰電池火災探測系統(tǒng)。首先，研究電動汽車動力鋰電池火災發(fā)生過程，篩選火災初期發(fā)生明顯變化的物理參數(shù)及固體、氣體發(fā)生物；然后，采用D-S證據(jù)理論對多傳感器數(shù)據(jù)進行融合分析，降低使用單一傳感器時的誤報率，實現(xiàn)電動汽車動力鋰電池火災的準確判斷；最后，根據(jù)多傳感器數(shù)據(jù)的相關性對數(shù)據(jù)融合算法進行優(yōu)化，提高系統(tǒng)判斷速度，降低硬件成本。

多傳感器數(shù)據(jù)融合；電動汽車動力鋰電池；D-S證據(jù)理論；火災探測

0 引言

新能源汽車是國家重要戰(zhàn)略性新興產(chǎn)業(yè)[1]。新能源汽車主要包括混合動力汽車、純電動汽車、燃料電池汽車、氫發(fā)動機汽車以及燃氣汽車等。其中，純電動汽車的動力能源是鋰電池。根據(jù)應急管理部門數(shù)據(jù)統(tǒng)計，動力鋰電池的熱失控是引發(fā)電動汽車火災、爆炸的主要原因，而在現(xiàn)階段熱失控很難阻斷[2]。2017年國家發(fā)布了強制標準GB 7258—2017《機動車運行安全技術條件》，要求電動汽車應配備動力鋰電池火災監(jiān)測預警系統(tǒng)，提前發(fā)現(xiàn)動力鋰電池熱失控并及時報警[3]。

火災探測方法一般根據(jù)火災過程中的溫度、煙霧值、CO及CO2氣體含量等參數(shù)進行判斷，如感煙式火災探測法、CO氣體探測法等。這類探測方法原理及工程實現(xiàn)較簡單，但易誤報或漏報，并存在火災檢測滯后、適用電池種類少等問題。另有基于紅外技術及圖像識別技術進行火焰檢測報警的探測系統(tǒng)，但因汽車環(huán)境較惡劣，檢測精度不高，反應滯后等原因不宜大范圍推廣應用。動力鋰電池每種探測方法適用對象不同，在特定情況下可能具有較高的探測精度，但由于每種傳感器自身限制，單一系統(tǒng)容易導致誤報或漏報。若綜合多種傳感器優(yōu)點，有效融合多種傳感器數(shù)據(jù)，將提高探測準確性。為此，本文提出基于多傳感器數(shù)據(jù)融合的電動汽車動力鋰電池火災探測系統(tǒng)。

1 電動汽車動力鋰電池火災初期特征量選擇

動力鋰電池在高溫、撞擊、過充等情況下，內部會發(fā)生熱失控，產(chǎn)生大量熱并釋放出多種可燃及有毒氣體[4]。在整個熱失控過程中，可用傳感器監(jiān)測以下有效信息：

1）物理狀態(tài)，熱失控發(fā)生時，熱量無法及時傳遞到外部，導致動力鋰電池及環(huán)境溫度快速上升，通過溫度傳感器可有效檢測當前溫度及溫升上升情況；

2）氣體信息，動力鋰電池熱失控初期發(fā)生化學反應時，會產(chǎn)生CO、HF、H2、CH4、C2H4、H2S、SO2等，通過可燃氣體傳感器、CO傳感器、VOC傳感器等可檢測這些氣體濃度值[5]；

3）固態(tài)高溫產(chǎn)物，在高溫狀態(tài)下，高分子材料熱裂解或燃燒所形成的物質，以及燃燒物在不完全燃燒時的產(chǎn)生物，最終形成煙霧，通過光電或離子煙霧傳感器可檢測煙霧濃度值；

4）聲音信息，熱失控導致熱量急劇上升，當空氣受熱膨脹時會產(chǎn)生燃燒音，這是一種頻率為數(shù)赫茲的壓力聲波，通過次聲波傳感器可有效檢測燃燒中產(chǎn)生的聲壓，但需與背景噪音區(qū)分開；

5）火焰信息，燃燒過程中的光輻射、熱輻射、圖像信息等構成火焰信息，通過熱紅外傳感器或攝像頭可采集火焰信息。

由于燃燒音和火焰信息都是在電池已起火燃燒時產(chǎn)生的，這種情況下明火即使可以撲滅，但熱失控也很難阻斷。而物理狀態(tài)、氣體信息及固態(tài)高溫產(chǎn)物在正常狀態(tài)下都較穩(wěn)定。通過火災測試實驗發(fā)現(xiàn)，動力鋰電池火災早期時溫度及氣體濃度發(fā)生明顯變化，如溫度從環(huán)境溫度急速上升到50℃以上；CO濃度從1 μL/L上升到20 μL/L以上，并且伴隨溫度升高；可燃氣體及煙霧也會先后出現(xiàn)，但都處于一定限值內。因此，本文選取物理狀態(tài)（環(huán)境溫度）、氣體信息（可燃氣體（H2、CH4）濃度、CO濃度）及固態(tài)高溫產(chǎn)物（煙霧濃度）作為動力鋰電池火災探測的特征變量。

2 系統(tǒng)硬件設計

基于多傳感器數(shù)據(jù)融合的電動汽車動力鋰電池火災探測系統(tǒng)，通過多傳感器采集電動汽車動力鋰電池火災初期的特征變量，經(jīng)分析處理后，通過執(zhí)行單元輸出結果。系統(tǒng)硬件主要由數(shù)據(jù)采集單元、電源單元、主控制器、存儲單元、執(zhí)行單元等組成，結構如圖1所示。

圖1 基于多傳感器數(shù)據(jù)融合的電動汽車動力鋰電池火災探測系統(tǒng)硬件結構圖

2.1 數(shù)據(jù)采集單元

數(shù)據(jù)采集單元包括溫度傳感器DS18B20、可燃氣體傳感器MQ-4、CO傳感器TGS5141、煙霧傳感器NIS-07及AD轉換器AD7888，主要用于采集電動汽車動力鋰電池火災初期的特征變量。

2.2 電源單元

電源單元采用LM2576S-5.0將車內24 V電壓轉換為MCU工作所需電壓5 V，并提供過壓、過流等保護功能。

2.3 主控制器

主控制器STM8S207RCT6作為數(shù)據(jù)融合算法運行載體，根據(jù)采集的特征變量，經(jīng)過D-S數(shù)據(jù)融合算法進行融合分析，實現(xiàn)電動汽車動力鋰電池火災準確預警[6]。D-S數(shù)據(jù)融合算法復雜度降低，采用8位MCU作為主控制器，可降低硬件成本。

2.4 存儲單元

存儲單元用于存儲傳感器歷史數(shù)據(jù)及過程運行數(shù)據(jù)，以供數(shù)據(jù)融合算法使用。

2.5 執(zhí)行單元

執(zhí)行單元包括滅火模塊、報警模塊、手動開關等，通過采集控制信號及控制其輸出預警，達到控制滅火器的目的。

3 系統(tǒng)關鍵算法設計

基于多傳感器數(shù)據(jù)融合的電動汽車動力鋰電池火災探測系統(tǒng)關鍵算法是多傳感器數(shù)據(jù)融合算法。Dempster- Shafer（D-S）證據(jù)理論是一種處理不確定性的推理理論，也是一種應用廣泛的多傳感器數(shù)據(jù)融合算法。數(shù)據(jù)融合時不必精確說明各個傳感器難以獲得的概率，可建立單個傳感器的可信度函數(shù)，再通過Dempster合并規(guī)則整合多個傳感器的信息，最后根據(jù)決策邏輯進行決策[7]。多傳感器數(shù)據(jù)融合算法框圖如圖2所示。

在多傳感器數(shù)據(jù)融合算法中，溫度傳感器、可燃氣體傳感器、CO傳感器及煙霧傳感器數(shù)據(jù)的可信度函數(shù)不一致[8]。首先，進行基本可信度的初始賦值；然后，根據(jù)每次采集的傳感器信息，重新進行基本可信度的修正賦值[9]，隨著采集數(shù)據(jù)的不斷積累，不斷地修正基本可信度；最后，根據(jù)決策規(guī)則進行決策。這種可信度賦值及修正方法存在局限性，每個傳感器對目標判決的概率賦值都受經(jīng)驗和積累數(shù)據(jù)的影響。同時，不同傳感器探測值處于火災不同階段時相關性差別較大，在火災初期，一些傳感器相關性較小，可能導致火災未能正確識別。本文設計的數(shù)據(jù)融合算法根據(jù)傳感器相關性對D-S證據(jù)理論進行優(yōu)化，針對多傳感器變量，取確定性最高的2個特征變量進行融合計算，可有效降低系統(tǒng)復雜度。

圖2 多傳感器數(shù)據(jù)融合算法框圖

4 實驗及結果

本系統(tǒng)傳感器的特征變量有4個，它們對判斷是否發(fā)生火災的可信度值不同。根據(jù)實驗室數(shù)據(jù)及經(jīng)驗值，對每個變量在不同范圍分別賦予不同的確定性及不確性值，如表1所示。

表1 4個特征變量初始可信度

由表1可知：當溫度為40℃～50℃時，電動汽車動力鋰電池可能處于室外高溫環(huán)境或充電狀態(tài)下，不確定性較高，當溫度超過70℃時，發(fā)生火災的確定性為0.9；當可燃氣體濃度較低時，存在誤報的可能性較大，若濃度達到1000 μL/L以上，發(fā)生火災的確定性為0.85；當CO濃度很低時，幾乎不可能發(fā)生火災，若超過100 μL/L時，發(fā)生火災的確定性為0.9。

電動汽車運行環(huán)境較惡劣，動力鋰電池充電時環(huán)境溫度會異常，若僅以環(huán)境溫度或煙霧濃度等單一傳感器數(shù)據(jù)作為判斷依據(jù)，可能導致誤報。本系統(tǒng)對多個傳感器數(shù)據(jù)進行融合，隨著溫度值變高，如果同時出現(xiàn)可燃氣體濃度升高或者CO濃度、煙霧濃度升高，則判斷發(fā)生火災的概率較大。

實驗采集的特征變量：可燃氣體濃度為120 μL/L，CO濃度為60 μL/L，煙霧濃度為0.1 dB/m，溫度為40℃～50℃。采用D-S數(shù)據(jù)融合算法，用火災概率最高的環(huán)境溫度及CO濃度進行融合計算，與采用單一傳感器進行判斷的結果比較，對比結果如表2所示。

表2 D-S數(shù)據(jù)融合算法與單一傳感器火災探測對比結果

由表2可知：若根據(jù)溫度傳感器、可燃氣體傳感器、CO傳感器及煙霧傳感器中的任何一個傳感器數(shù)據(jù)進行判斷，火災無法確定，但通過數(shù)據(jù)融合算法火災不確定性明顯下降；同時也排除了火災不同階段有些傳感器沒反應的情況，加速系統(tǒng)的反應能力。

5 結語

本文設計了基于多傳感器數(shù)據(jù)融合的電動汽車動力鋰電池火災探測系統(tǒng)，提出以環(huán)境溫度、可燃氣體濃度、CO濃度、煙霧濃度作為電動汽車動力鋰電池火災特征變量的組合方案，并將D-S數(shù)據(jù)融合算法應用于多傳感器數(shù)據(jù)融合。實驗結果表明：D-S數(shù)據(jù)融合算法可有效解決單一傳感器不確定性高的問題；通過對多個傳感器采集的數(shù)據(jù)融合，電動汽車動力鋰電池火災判定變?yōu)橐恢滦悦枋鯷10]，降低系統(tǒng)的不確定性，提高系統(tǒng)的正確決策能力和預警可靠性。

[1] 高朝春.一種基于多信息融合的火災預警系統(tǒng)[J].信息技術與信息化,2014(9):86-87.

[2] 應朝陽.GB7258—2012《機動車運行安全技術條件》制修訂情況介紹[J].中國標準導報,2012,(7):6-9.

[3] 張少禹,董海斌,李毅,等.動力鋰離子電池熱失控火災試驗模型研究[J].消防科學與技術,2018,37(3):397-400.

[4] 王淮斌,杜志明.低壓環(huán)境下鋰離子電池安全性研究進展[J].消防科學與技術,2019,38(6):884-890.

[5] 閆軍.工作區(qū)有害氣體檢測的五種常用傳感器[J].儀器儀表與分析監(jiān)測,2001(2):6-7.

[6] 趙英,陳淑娟.基于多傳感器數(shù)據(jù)融合的火災預警系統(tǒng)[J].現(xiàn)代電子技術,2010(24):173-175,179.

[7] 藍金輝,馬寶華,藍天,等.D-S證據(jù)理論數(shù)據(jù)融合方法在目標識別中的應用[J].清華大學學報(自然科學版),2001,41(2): 53-55,59.

[8] 付瑞玲,王寧,杜志強.基于多傳感器信息融合的火災報警器設計[J].計算機測量與控制,2018,26(1):206-208,212.

[9] 張淑清,鄧紅,王艷玲.D-S證據(jù)理論在數(shù)據(jù)融合中的應用及改進[J].傳感技術學報,2003,16(1):78-81.

[10] 郭濤,李龍飄,費慶國,等.數(shù)據(jù)融合技術中Dempster-Shafer證據(jù)理論的應用[J].信息化縱橫,2009(16):80-82.

Electric Vehicle Power Lithium Battery Fire Detection System Based on Multi-Sensor Data Fusion

Lao Zhongjian Zhang Yang Qiu Jiale Liang Zhongpeng Lian Baiyao

(Guangzhou Tongda Auto Electric Co., Ltd.Guangzhou 510700, China)

Aiming at the early warning problem of electric vehicle power lithium battery fire, an electric vehicle power lithium battery fire detection system based on multi-sensor data fusion is proposed. Firstly, the fire process of electric vehicle power lithium battery is studied to screen the physical parameters and solid and gas generators that change significantly in the early stage of the fire; Then, the D-S evidence theory is used to fuse and analyze the multi-sensor data, reduce the false alarm rate when using a single sensor, and realize the accurate judgment of lithium battery fire of electric vehicle; Finally, according to the correlation of multi-sensor data, the data fusion algorithm is optimized to improve the system judgment speed and reduce the hardware cost.

multi-sensor data fusion; lithium battery for electric vehicle power; D-S evidence theory; fire detection

勞中建，男，1981年生，碩士研究生，高級工程師，主要研究方向：自動化控制理論及技術。E-mail: 14945584@qq.com

TP29

A

1674-2605(2021)04-0004-04

10.3969/j.issn.1674-2605.2021.04.004