锂离子电池在运用中容易发生毛病，怎么及时、精确地确诊电池毛病，能够延伸电池运用寿命，进步电池一致性及可靠性。因而，电池在线毛病确诊是电池运用范畴的一个重要研讨课题。考虑电池在运用中呈现的毛病现象、毛病原因的杂乱性，这些毛病难以用精确的数学模型表述，也无法用精确的判别根据来确诊。因而，咱们需求引进含糊理论，以含糊数学与含糊确诊原理为根底，给出一种电池毛病含糊确诊办法。
本章首要介绍了含糊操控的相关理论常识，然后给出一种含糊毛病确诊办法，进而对该含糊确诊办法进行了深化的剖析和研讨。
6.1含糊操控技能概述
1965年，美国的L.A.Zadeh创立了含糊调集论;1973年他给出了含糊逻辑操控的界说和相关的定理。含糊调集这个概念的呈现为经典含糊操控器的构成奠定了根底。
20世纪70年代末，呈现了最优含糊操控、自组织含糊操控器、含糊操控规矩剖析以及含糊操控器的代数模型等理论作用，这些理论的呈现为含糊操控的开展供给了很大的协助。此外，这段时刻在含糊操控模型辨识方面也进行了一些探究。
进入80年代，各种自适应含糊操控办法、含糊-PID、混合操控、含糊预估量操控、预见式含糊操控等多种含糊操控器的改善方式呈现了。
90年代至今，在含糊操控技能很多成功运用的促进下，含糊操控理论和运用研讨也进入了新阶段。人们在现有作用的根底大将自动操控学科中一些较老练的理论和办法引进含糊操控树立其理论结构，并和精确域的操控办法以及其它智能化办法相结合构成了多种含糊操控新模式。在运用方面提出了含糊操控、含糊监督操控、含糊逻辑与神经网络、遗传算法相结合的办法等，并在工业运用中获得了满意的作用。例如：规划出了含糊洗衣机、空调、微波炉、吸尘器、照相机和摄录机等新式的家用电器设备;在水净化处理、发酵进程、化学反应釜、水泥窑炉等工业操控范畴中运用含糊操控;在地铁靠站泊车、轿车驾驭、电梯、自动扶梯、蒸汽引擎以及机器人等专用体系中的含糊操控等。
在实践工程运用中，一般都是选用微型计算机来完结含糊操控算法的。现在
的一个研讨趋势是选用单片机来完成含糊操控。单片机具有集成度高、灵活性好、开发便利且开发周期短等长处，这些使单片机成为树立含糊操控器的抱负渠道。
6.2含糊操控的理论根底
含糊操控的理论根底首要包含以下几个概念：
含糊调集、从属函数、含糊联系、含糊逻辑和含糊推理。
含糊调集这个概念是在1965年由美国加州大学的自动操控理论专家提出的。
含糊调集相关于一般调集来说，差异在于：一般调集所表达的概念是精确的，而含糊调集所表达的概念是边界不清的，它不能用单纯的“是”或许“否”来界定。
含糊调集这一概念的呈现使得数学的思维和办法能够用于处理含糊性现象，然后呈现了含糊数学这门学科。
从属函数是含糊数学最根本和最重要的概念。从属函数界说如下：用于描绘含糊调集，并在[0，1]闭区间能够接连取值的特征函数叫做从属函数。从属函数的值称为从属度，从属度是用于描绘一个元素归于一个含糊调集的程度。含糊调集中，因为含糊联系的不确定性，不能仅仅用“1”或许“0”来表明，而需求从0~1之间取值来表明其联系。这样，就能够界说一个无量多值的接连特征函数，经过特征函数和从属函数的联系来描绘含糊调集。从属函数用μA(x)表明，其间A表明含糊调集，而x是A的元素，从属函数满意： 0≤μA(x)≤1。
含糊联系是含糊理论中一个重要概念。含糊联系的界说是：以调集A和B的直积A×B=xva,bw|a∈A,b∈By为论域的一个含糊子集R，称为调集A到B的含糊联系。
假如，va,bw∈A×B则称μRva,bw为va,bw具有联系的程度，μRva,bw也可简化为Rva,bw。其间的子集R称为A到B的含糊联系，用公式表明为R=A×B。其间，含糊调集A和B的从属度咱们能够经过对操控的体系的试验和总结得到，那么经过上式求出联系R，以R作为操控规矩，当体系输入一个含糊量A*时，经过含糊联系R就能够求出对应的输出量B*。
含糊逻辑作为一种新的逻辑理论跟着含糊数学而诞生。含糊逻辑是对传统的数理逻辑的开展。含糊逻辑相关于传统的数理逻辑而言，差异在于：传统逻辑只处理明确性出题，用“真”或“假”来表明出题;含糊逻辑则用0~1之间的值来表明含糊联系，因而含糊逻辑也是接连逻辑，具有本身的运算规矩和根本性质。含糊逻辑长于表达边界不明晰的定性常识与经历，它借助于从属度函数概念，区别含糊调集，处理含糊联系，模仿人脑施行规矩型推理，处理因“排中律”的逻辑破缺发生的种种不确定问题。它是处理各种杂乱、非线性问题的有用办法之一。
含糊推理是树立在含糊逻辑根底之上的一种不确定性推理办法。含糊推理是指己知含糊出题，其间包含大前提规矩和小前提已知根据的情况下，揣度出新的含糊出题作为定论的进程，是一种近似推理。
6.3含糊确诊办法
关于电池的含糊毛病确诊办法，首要需求了解专家关于电池毛病中所呈现症状的描绘，如“电压上升快”、“充电缺乏”、“电压下降快”等，可是这些症状是边界不清的含糊调集，咱们需求经过含糊数学模型才能对其加以描绘。关于每一种症状都要选用恰当的从属函数，并用相应的从属度来描绘这些症状存在的倾向性。同理，电池毛病也是含糊调集，每一种毛病都能够用从属度来表明。电池每一个毛病与每一个症状之间都存在着含糊联系。含糊毛病确诊办法便是首要树立起症状从属度与毛病从属度的含糊向量调集，然后把每一个症状与每一个毛病之间的含糊联系用从属度表明，构成一个含糊联系矩阵，最终根据症状从属度含糊向量和含糊联系矩阵能够求得毛病从属度的含糊向量，然后得到各种毛病存在的倾向性，完成对电池毛病的正确判别，以便及时的进行弥补。
这种含糊毛病确诊办法用公式来表达，如下所示。
首要，树立两个论域，即毛病论域G和症状论域Z.
G={毛病g1，毛病g2，毛病g3,…}，其间各元素的从属度μgi组成含糊向量(子集)
Z={症状Z1，症状Z2，症Z状Z3，…}，其间各元素的从属度μzj组成含糊向量
一般，电池的毛病会表现若干不同的症状，而某一症状也表明有或许呈现若干个毛病，因而这两个论域之间存在着含糊联系，这种含糊联系即为症状Zj对应于毛病gi的从属度aij=μgi(Zj)，然后得到症状与毛病之间的含糊联系矩阵：
关于含糊联系矩阵A中各个从属度，咱们能够经过试验或专家给出，而症状的含糊向量α相同也能够经过试验或专家给出，因而A和α咱们能够认为是已知，则可经过公式β= Aα求出症状的含糊向量β。
咱们将上式打开如下：
在这个公式中，可看成是加权值，因而要求
。
6.4含糊体系整体结构
电池组毛病含糊确诊体系以信号收集电路所收集到的电池电压、电流和温度值为根据，结合常识库中保存的锂电池运用和保护的经历和规矩，使用存储在数据库中症状与毛病之间的含糊联系以及设定的确诊规矩，选用含糊归纳评判的办法对电池毛病进行确诊。其功用结构如图6.1所示。
