蓄电池是一种重要的船用能量源,比如当潜艇处于水下时。因此,保持蓄电池组良好的技术状态非常重要。蓄电池性能劣化的机理非常复杂,船员往往难以掌握。为实现对船用蓄电池组的科学使用和管理、保证其工作可靠性,本文设计了一套船用蓄电池组健康管理系统。系统由一个状态监测子系统和性能预测子系统组成。为实现蓄电池组性能预测功能,构建了基于支持向量机的智能预测模型,通过历史监测数据自动寻找电池组的性能劣化规律。测试结果表明了系统性能预测功能的有效性。工作数据后，首先执行超限报警判别；随后，相关工作数据被送至一个基于最小平方根-支持向量机(LS-SVM)算法的预测模型用来进行蓄电池组性能发展预测健康管理系统设计-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机弯管机。1.3船用蓄电池组健康管理系统组成船用蓄电池组健康管理系统的基本组成如图2所示，主要由一个在线监测子系统和一个故障预测子系统组成 本文由全自动弯管机公司网站网站采集转载中国知网整理! http://www.wanguanji158.com 。1.3.1在线监测子系统潜艇上通常配置有许多的蓄电池组，各蓄电池组分别布置在不同的位置；基于这一实际情况，在设计中采用了一个分布式监测子系统来对所有蓄电池组的工作参数进行采集。图1健康管理系统的信息处理流程实时监测，在各蓄电池组内部分别配置了相应的传感器。通过一套无线通信模块，所有监测数据都被送到监测计算机处。在监测计算机中，各数据首先分别与其设定的报警值进行比较，如果超出报警值，系统将给出相应的报警信号；随后，数据以一定的存储间隔和数据结构形式被存储在监测计算机硬盘之中，并以数据和图表的形式在显示器中显示出来。1.3.2性能预测子系统在系统中采用了一个内含基于最小平方根-支持向量机(LS-SVM)算法预测模型的管理上位机来执行蓄电池性能发展预报功能。在系统进行性能预报之前，先要对预测模型进行有效的充分训练。在进行蓄电池性能预测时，在线监测的工作数据和存储在计算机硬盘中的最近历史工作数据首先被送往上位机中的性能预测模型，预测模型基于对历史工作数据的学习和辨识，能够自动给出蓄电池（组）电压、电阻和温度参数的变化趋势，并提供给船员蓄电池（组）可能的下次故障发生时间点，以协助船员进行正确的使用管理和设备维护。图2健康管理系统的基本组成2基于LS-SVM的预测算法最小平方根-支持向量机(LS-SVM)算法是一种有监督的自学习健康管理系统设计-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机弯管机 本文由全自动弯管机公司网站网站采集转载中国知网整理! http://www.wanguanji158.com