CN118641909B - 电动汽车高压系统检测方法及电子设备 - Google Patents

Abstract

本申请涉及绝缘检测技术领域，公开一种电动汽车高压系统检测方法及电子设备。该方法包括：获取绝缘检测系统采样得到的电压采样数据；对电压采样数据进行电压波形分类处理，得到分类结果；根据分类结果，采用非线性最小二乘估计算法，对电压采样数据进行自适应辨识处理，得到辨识结果；以辨识结果为观测量，对以绝缘电阻的阻值和Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到绝缘电阻的电阻估算值和Y电容的电容估算值。本申请实施例可以提高绝缘电阻和Y电容的检测精度。

Description

电动汽车高压系统检测方法及电子设备

技术领域

本申请涉及绝缘检测技术领域，尤其是一种电动汽车高压系统检测方法及电子设备。

背景技术

目前，对电动汽车的绝缘电阻的检测主要采用无源式和有源式方法。

相关技术中，无源式方法通常采用电桥法，具体是将被测电阻与已知电阻组成电桥，通过改变限流电阻的大小，测量被测电阻上的分压，最后通过解方程计算得到绝缘电阻的值。

然而，由于动力电池两极和电底盘之间存在Y电容，电动汽车的电器结构会导致寄生Y电容的产生，会导致阻抗特性的变化，影响高压母线和底盘之间的绝缘性能，影响绝缘电阻和Y电容的检测精度。

发明内容

本申请的目的是提供一种电动汽车高压系统检测方法及电子设备，可以提高绝缘电阻和Y电容的检测精度。

本申请实施例提供一种电动汽车高压系统检测方法，包括：

获取绝缘检测系统采样得到的电压采样数据；所述电压采样数据为所述绝缘检测系统以非平衡电桥法对电动汽车高压系统进行周期性电压采样得到的电压波形数据，所述电动汽车高压系统具有绝缘电阻和Y电容；

对所述电压采样数据进行电压波形分类处理，得到分类结果；

根据所述分类结果，采用非线性最小二乘估计算法，对所述电压采样数据进行自适应辨识处理，得到辨识结果；所述辨识结果包含所述电压采样数据的响应稳态分量信息和响应时间信息；

以所述辨识结果为观测量，对以所述绝缘电阻的阻值和所述Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到所述绝缘电阻的电阻估算值和所述Y电容的电容估算值。

在一些实施例中，所述对所述电压采样数据进行电压波形分类处理，得到分类结果，包括：

对所述电压采样数据进行波形斜率估算处理，得到斜率估算值；

在所述斜率估算值处于第一斜率区间时，得到所述电压采样数据为指数函数波的分类结果，在所述斜率估算值处于第二斜率区间时，得到所述电压采样数据为临界方波的分类结果，在所述斜率估算值处于第三斜率区间时，得到所述电压采样数据为方波的分类结果；所述第一斜率区间、所述第二斜率区间和第三斜率区间三者的临界值依次递增。

在一些实施例中，所述根据所述分类结果，采用非线性最小二乘估计算法，对所述电压采样数据进行自适应辨识处理，得到辨识结果，包括：

根据所述分类结果，构造差函数；所述差函数由指数函数向量和电压采样值拟合而成，所述指数函数向量具有电压值向量，所述电压采样数据为指数函数波时，所述电压值向量由预设的第一响应稳态分量、第一响应增益分量和第一响应时间常数构成，所述电压采样数据为临界方波时，所述电压值向量由第二响应稳态分量、第二响应增益分量和第二响应时间常数构成，所述电压采样数据为方波时，所述电压值向量由第二响应稳态分量构成，所述第二响应稳态分量由当前的半个采样周期内末尾阶段的平均电压值生成，所述第二响应增益分量由预设常数生成，所述第二响应时间常数由所述第二响应稳态分量、所述电动汽车高压系统和所述绝缘检测系统两者的结构参数拟合而成；

采用非线性最小二乘估计算法，迭代更新所述电压值向量，使所述差函数的误差迭代递减，直至符合预设的收敛条件，得到迭代后的电压值向量；

利用所述迭代后的电压值向量构造测量矩阵，以作为所述辨识结果。

在一些实施例中，所述电压采样数据为指数函数波时，所述差函数的表达式为：

，

所述电压采样数据临界方波时，所述差函数的表达式为：

，

所述电压采样数据为方波时，所述差函数的表达式为：

，

其中，为当前半采样周期的第i个差函数，为当前半采样周期的第i个指数函数向量，为当前半采样周期的第一响应稳态分量，为当前半采样周期的第一响应增益分量，为当前半采样周期的第一响应时间常数，为当前半采样周期的第i个采样时刻，为当前半采样周期的第i个电压采样值，为当前半采样周期的第二响应稳态分量，为当前半采样周期的第二响应增益分量，为当前半采样周期的第二响应时间常数。

在一些实施例中，所述采用非线性最小二乘估计算法，迭代更新所述电压值向量，使所述差函数的误差迭代递减，直至符合预设的收敛条件，得到迭代后的电压值向量，包括：

生成当前迭代周期的电压值向量；

根据所述当前迭代周期的电压值向量，计算所述差函数的当前误差，以及构造雅可比矩阵和拟黑塞矩阵；

根据所述雅可比矩阵和所述拟黑塞矩阵，计算修正量，利用所述修正量对所述当前迭代周期的电压值向量进行修正，得到修正后的差函数；

根据所述修正后的差函数，计算所述差函数的修正后误差；

判断所述修正后误差是否小于所述当前误差；

若不小于所述当前误差，调节修正系数；返回所述根据所述雅可比矩阵和所述拟黑塞矩阵，计算修正量，利用所述修正量对所述当前迭代周期的电压值向量进行修正，得到修正后的电压值向量的步骤；

若小于所述当前误差，判断所述当前迭代周期修正后的电压值向量与上一迭代周期修正后的电压值向量之差的范数是否小于预设的终止精度值；

若小于所述终止精度值，以所述当前迭代周期的电压值向量作为所述迭代后的电压值向量；

若不小于所述终止精度值，调节修正系数，以下一迭代周期作为当前迭代周期；返回所述生成当前迭代周期的电压值向量的步骤。

在一些实施例中，所述以所述辨识结果为观测量，对以所述绝缘电阻的阻值和所述Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到所述绝缘电阻的电阻估算值和所述Y电容的电容估算值，包括：

构建所述状态空间模型和观测模型；

采用容积原则的数值积分方法，预测所述状态空间模型的状态量和状态量误差，得到状态量预测结果，利用所述状态量预测结果预测所述观测模型的观测量和观测量误差，得到观测量预测结果；

利用所述观测量预测结果对所述状态量预测结果进行修正，得到修正后的状态量预测结果，根据所述修正后的状态量预测结果确定所述绝缘电阻的电阻估算值和所述Y电容的电容估算值。

在一些实施例中，所述电动汽车高压系统包括动力电池、正极绝缘电阻、负极绝缘电阻、第一Y电容、第二Y电容以及电底盘，所述正极绝缘电阻和所述第一Y电容分别跨接在所述动力电池的正极和所述电底盘之间，所述负极绝缘电阻和所述第二Y电容分别跨接在所述动力电池的负极和所述电底盘之间；

所述绝缘检测系统包括第一限流电阻、第二限流电阻、第一开关、第二开关、第一采样电阻、第二采样电阻、第一分压电阻以及第二分压电阻，所述第一限流电阻和所述第一开关串联之后跨接在所述动力电池的正极和所述电底盘之间，所述第二限流电阻和所述第二开关串联之后跨接在所述动力电池的负极和所述电底盘之间，所述第一分压电阻和所述第一采样电阻串联之后与所述第二限流电阻和所述第二开关并联，所述第二分压电阻和所述第二采样电阻串联之后跨接在所述动力电池的正极和动力电池的负极之间。

本申请实施例还提供一种电动汽车高压系统检测装置，包括：

第一模块，用于获取绝缘检测系统采样得到的电压采样数据；所述电压采样数据为所述绝缘检测系统以非平衡电桥法对电动汽车高压系统进行周期性电压采样得到的电压波形数据，所述电动汽车高压系统具有绝缘电阻和Y电容；

第二模块，用于对所述电压采样数据进行电压波形分类处理，得到分类结果；

第三模块，用于根据所述分类结果，采用非线性最小二乘估计算法，对所述电压采样数据进行自适应辨识处理，得到辨识结果；所述辨识结果包含所述电压采样数据的响应稳态分量信息和响应时间信息；

第四模块，用于以所述辨识结果为观测量，对以所述绝缘电阻的阻值和所述Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到所述绝缘电阻的电阻估算值和所述Y电容的电容估算值。

本申请实施例还提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的电动汽车高压系统检测方法。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的电动汽车高压系统检测方法。

本申请的有益效果：以非平衡电桥法对具有绝缘电阻和Y电容的电动汽车高压系统进行周期性电压采样，对采样得到的电压采样数据进行电压波形分类处理，根据分类结果采用非线性最小二乘估计算法，对电压采样数据进行自适应辨识处理，然后以辨识结果为观测量，对以绝缘电阻的阻值和Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到绝缘阻值和Y电容两者的估算值。由于先对电压采样数据进行电压波形分类处理，后对电压采样数据进行自适应辨识处理，能够在电动汽车高压系统出现绝缘故障时，快速准确地计算出绝缘阻值和等效Y电容的大小，有效提高绝缘阻值的检测精度、响应速度和鲁棒性。

附图说明

图1是本申请实施例提供的电动汽车高压系统检测方法的流程图。

图2是本申请实施例提供的步骤S102的具体方法的流程图。

图3是本申请实施例提供的步骤S103的具体方法的流程图。

图4是本申请实施例提供的步骤S302的具体方法的流程图。

图5是本申请实施例提供的步骤S104的具体方法的流程图。

图6是本申请实施例提供的电动汽车高压系统检测装置的结构示意图。

图7是本申请实施例提供的电子设备的硬件结构示意图。

图8是本申请实施例提供的电动汽车高压系统和绝缘检测系统的结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

相关技术中，对电动汽车的绝缘电阻的检测主要采用无源式和有源式方法。无源式方法主要是电桥法，将被测电阻与已知电阻组成非平衡电桥，通过改变限流电阻的大小，测量被测电阻上的分压，最后通过解方程计算得到绝缘电阻的值，而有源式方法主要是信号注入法，其基本原理是通过车辆电底盘向高压系统注入检测信号，然后测量采样电阻上的反馈电压信号，通过计算得到绝缘阻值。

在实际应用中，电桥法被广泛应用于电动汽车绝缘检测中。然而，发明人发现，由于动力电池两极和电底盘之间存在Y电容，过短的信号周期会导致采样电压无法达到稳定值，使绝缘阻值的测量结果偏小，引起系统误报警，而信号周期过长则会降低测量系统的响应速度，并增强动力电池电压波动对测量结果的影响，降低了测量的精度。因此，对于电动汽车的绝缘电阻的检测，需要考虑到Y电容的影响，选择合适的信号周期，并采取相应的补偿措施，以提高测量的准确性和稳定性，同时，需要加强对电磁干扰的防护，提高动力电池正负极母线和车辆电底盘之间的绝缘性能，确保电动汽车的安全驾驶。

基于此，本申请实施例提供一种电动汽车高压系统检测方法及电子设备，以非平衡电桥法为基础，结合自适应的非线性最小二乘估计算法和滤波算法，实现绝缘阻值和等效Y电容的测量，可以提高绝缘电阻的检测精度。

请参阅图1，图1是本申请实施例提供的电动汽车高压系统检测方法的流程图。在本申请的一些实施例中，图1中的方法具体可以包括但不限于步骤S101至步骤S104，下面结合图1对这四个步骤进行详细介绍。

步骤S101，获取绝缘检测系统采样得到的电压采样数据。

其中，电压采样数据为绝缘检测系统以非平衡电桥法对电动汽车高压系统进行周期性电压采样得到的电压波形数据，电动汽车高压系统具有绝缘电阻和Y电容。具体的，绝缘电阻和Y电容均设置于电动汽车高压系统的高压部分，绝缘电阻和Y电容连接于动力电池的正极和电底盘之间或者是连接于动力电池的负极和电底盘之间，绝缘检测系统基于非平衡电桥法对电动汽车高压系统进行周期性电压采样，经过多个采样周期之后得到电压采样数据。

步骤S102，对电压采样数据进行电压波形分类处理，得到分类结果。

由于电动汽车高压系统具有Y电容，绝缘检测系统采样得到的电压采样数据为周期起伏的指数函数波，采样周期内的前半周期和后半周期两者的电压采样数据的电压波形分别呈随时间变化的指数函数波形，当绝缘电阻的阻值降低之后，电压采样数据的电压波形会向方波进行演化，在演化过程中会出现临界方波，采样周期内的前半周期和后半周期两者的电压采样数据的电压波形分别呈随时间变化的临界方波，而当绝缘电阻的阻值进一步降低，采样周期内的前半周期和后半周期两者的电压采样数据的电压波形分别呈随时间变化的方波。

电压采样数据为指数函数波时，可以直接采用参数辨识方法确定电压采样数据的电压值向量，电压值向量包括电压采样数据的响应稳态分量、响应增益分量和响应时间常数，而当电压采样数据为临界方波或方波时，直接采用参数辨识方法将会出现不收敛的情况，无法在这种故障模式下准确地得到辨识结果。

在步骤S102中，对电压采样数据进行电压波形分类处理，具体是从电压采样数据中选取若干个采样周期，以采样周期中前半周期或后半周期所对应的电压采样数据作为样本数据，计算样本数据的波形斜率，根据波形斜率的计算值确定电压采样数据的波形类型，得到电压采样数据为指数函数波、临界方波或方波的分类结果。具体的，计算样本数据的波形斜率，可以是从样本数据中选取若干个局部区域，分别计算各个局部区域的电压平均值，然后以计算得到的电压平均值可以计算样本数据的波形斜率。

如图2所示，在一些实施例中，步骤S102具体可以包括但不限于步骤S201至步骤S202，下面结合图2对这两个步骤进行详细介绍。

步骤S201，对电压采样数据进行波形斜率估算处理，得到斜率估算值。

步骤S202，在斜率估算值处于第一斜率区间时，得到电压采样数据为指数函数波的分类结果，在斜率估算值处于第二斜率区间时，得到电压采样数据为临界方波的分类结果，在斜率估算值处于第三斜率区间时，得到电压采样数据为方波的分类结果。

其中，第一斜率区间、第二斜率区间和第三斜率区间三者的临界值依次递增。

在步骤S201至S202中，以采样周期中前半周期或后半周期所对应的电压采样数据作为样本数据，分别计算样本数据的起始阶段、中间阶段和末尾阶段三者的电压平均值，然后计算三组电压平均值两两之间比值的平均值，得到样本数据的斜率估算值，确定斜率估算值所在的斜率区间，得到分类结果。

例如，前半周期或后半周期的周期时长分别为0.75s，采样间隔为0.001s，所选取的样本数据具有750个电压采样值，设定在大于2%时间达到稳态值即认定电压采样数据为指数函数波，在1%-2%时间达到稳态值即认定电压采样数据为临界方波，在小于1%时间达到稳态值即认定电压采样数据为方波，起始阶段为第10-60个电压采样值，中间阶段为第375-425个电压采样值，末尾阶段为第700-750个电压采样值，分别计算样本数据的起始阶段、中间阶段和末尾阶段三者的电压平均值，得到第一电压平均值、第二电压平均值和第三电压平均值，然后计算第二电压平均值与第一电压平均值的比值、第三电压平均值与第一电压平均值的比值和第三电压平均值与第二电压平均值的比值，进而计算三个比值的平均值，得到样本数据的斜率估算值，确定斜率估算值所在的斜率区间，由此确定当前的电压采样数据的波形为指数函数波、临界方波或方波。

步骤S103，根据分类结果，采用非线性最小二乘估计算法，对电压采样数据进行自适应辨识处理，得到辨识结果。

其中，辨识结果包含电压采样数据的响应稳态分量信息和响应时间信息。

在步骤S103中，根据具体的分类结果，构造相应的电压采样数据的函数表达式，然后采用参数辨识方法确定电压采样数据的电压值向量，将确定电压采样数据的电压值向量的辨识过程转换为非线性无约束最小二乘优化问题，通过非线性最小二乘估计算法，迭代生成电压采样数据的电压值向量，然后验证生成的电压值向量是否符合预设的迭代条件，在生成的电压值向量符合预设的迭代条件且算法符合预设的收敛条件时，结束算法迭代，输出最后一个符合迭代条件的电压值向量，将电压值向量响应稳态分量和响应时间常数进行组合，作为辨识结果。

如图3所示，在一些实施例中，步骤S103具体可以包括但不限于步骤S301至步骤S303，下面结合图3对这三个步骤进行详细介绍。

步骤S301，根据分类结果，构造差函数。

其中，差函数由指数函数向量和电压采样值拟合而成，指数函数向量具有电压值向量，电压采样数据为指数函数波时，电压值向量由预设的第一响应稳态分量、第一响应增益分量和第一响应时间常数构成，电压采样数据为临界方波时，电压值向量由第二响应稳态分量、第二响应增益分量和第二响应时间常数构成，电压采样数据为方波时，电压值向量由第二响应稳态分量构成，第二响应稳态分量由当前的半个采样周期内末尾阶段的平均电压值生成，第二响应增益分量由预设常数生成，第二响应时间常数由第二响应稳态分量、电动汽车高压系统和绝缘检测系统两者的结构参数拟合而成。

可以理解的是，差函数描述电压采样数据每个采样周期的前半周期或后半周期的波形，前半周期或后半周期的波形分别是通过不同的电压值向量和电压采样值拟合而成，因此电压采样数据对应两个具有不同电压值向量（响应稳态分量、响应增益分量和/或响应时间常数）的差函数，响应稳态分量是采样电压的平稳值，也是无Y电容时的采样电压值，响应增益是在绝缘检测系统接入时的采样电压值与平稳时的采样电压值的差值，响应时间常数是等效Y电容的时间常数。

具体的，电压采样数据为指数函数波时，差函数的表达式为：

，

电压采样数据临界方波时，差函数的表达式为：

，

电压采样数据为方波时，差函数的表达式为：

，

其中，为当前半采样周期的第i个差函数，为当前半采样周期的第i个指数函数向量，为当前半采样周期的第一响应稳态分量，为当前半采样周期的第一响应增益分量，为当前半采样周期的第一响应时间常数，为当前半采样周期的第i个采样时刻，为当前半采样周期的第i个电压采样值，为当前半采样周期的第二响应稳态分量，为当前半采样周期的第二响应增益分量，为当前半采样周期的第二响应时间常数。

下面结合具体的实施例，对构造差函数的过程进行说明。

如图8所示，在一些实施例中，电动汽车高压系统包括动力电池、正极绝缘电阻Rp、负极绝缘电阻Rn、第一Y电容Cp、第二Y电容Cn以及电底盘，绝缘检测系统包括第一限流电阻R1、第二限流电阻R2、第一开关S1、第二开关S2、第一分压电阻R4、第一采样电阻R5、第二分压电阻R3以及第二采样电阻R6，第一限流电阻R1的阻值等于第二限流电阻R2的阻值。其中，正极绝缘电阻Rp和第一Y电容Cp分别跨接在动力电池的正极和电底盘之间，负极绝缘电阻Rn和第二Y电容Cn分别跨接在动力电池的负极和电底盘之间，第一限流电阻R1和第一开关S1串联之后跨接在动力电池的正极和电底盘之间，第二限流电阻R2和第二开关S2串联之后跨接在动力电池的负极和电底盘之间，第一分压电阻R4和第一采样电阻R5串联之后与第二限流电阻R2和第二开关S2并联，第二分压电阻R3和第二采样电阻R6串联之后跨接在动力电池的正极和动力电池的负极之间。

电压采样数据为指数函数波时，根据预设的生成规则，生成第一响应稳态分量、第一响应增益分量和第一响应时间常数的过程如下：

，

，

电压采样数据临界方波时，电压采样数据中的指数成分大幅度减少，故第二响应增益分量远小于第二响应稳态分量，生成第二响应稳态分量、第二响应增益分量和第二响应时间常数的过程如下：

，

，

，

，

，

，

电压采样数据为方波时，生成第二响应稳态分量的过程如下：

，

，

其中，为邻居半采样周期的第二响应稳态分量，为邻居半采样周期的第二响应增益分量，为邻居半采样周期的第二响应时间常数，为当前半采样周期内的电压采样均值，为邻居半采样周期内的电压采样均值，为当前半采样周期的第s个电压采样值，为邻居半采样周期的第s个电压采样值，为数量级常数，和均为计算因子。

可以理解的是，当前半采样周期和邻居半采样周期构成一个采样周期，在上述绝缘检测系统中，第一开关S1闭合时，第二开关S2断开，使第二分压电阻R3接入电动汽车高压系统，第一开关S1断开时，第二开关S2闭合，使第二采样电阻R6接入电动汽车高压系统，如此循环，从而形成具有多个采样周期的电压采样数据，每个采样周期均由前半采样周期和后半采样周期组成，前半采样周期为当前半采样周期时，后半采样周期为邻居半采样周期，反之，后半采样周期为当前半采样周期时，前半采样周期为邻居半采样周期。

步骤S302，采用非线性最小二乘估计算法，迭代更新电压值向量，使差函数的误差迭代递减，直至符合预设的收敛条件，得到迭代后的电压值向量。

如图4所示，在一些实施例中，步骤S302具体可以包括但不限于步骤S401至步骤S409，下面结合图4和图8对这九个步骤进行详细介绍。

步骤S401，生成当前迭代周期的电压值向量。

在步骤S401中，以构造得到的差函数的电压值向量作为初始的电压值向量，在首个迭代周期中，以初始的电压值向量作为当前迭代周期的电压值向量，在非首个迭代周期中，以上一个迭代周期修正后的电压值向量作为当前迭代周期的电压值向量。同时，设置修正系数，设置增长因子（设置增长因子的值大于1）和终止精度值。

步骤S402，根据当前迭代周期的电压值向量，计算差函数的当前误差，以及构造雅可比矩阵和拟黑塞矩阵。

在步骤S402中，计算差函数的当前误差的公式为：

，

构造雅可比矩阵的公式为：

，

构造拟黑塞矩阵的公式为：

，

其中，为第k个迭代周期的电压值向量，为第k个迭代周期的当前半采样周期的第i个差函数，为第k个迭代周期的差函数的当前误差，为第k个迭代周期构造的雅可比矩阵，为第k个迭代周期构造的拟黑塞矩阵，为的转置矩阵，n为当前半采样周期电压采样值的总数。

步骤S403，根据雅可比矩阵和拟黑塞矩阵，计算修正量，利用修正量对当前迭代周期的电压值向量进行修正，得到修正后的差函数。

在步骤S403中，计算修正量的公式为：

，

计算修正后的差函数的公式为：

，

，

其中，为第k个迭代周期的修正量，为第k个迭代周期的修正系数，I为单位矩阵，为第k个迭代周期的修正后的电压值向量，为第k个迭代周期的差函数向量，。

步骤S404，根据修正后的差函数，计算差函数的修正后误差。

步骤S405，判断修正后误差是否小于当前误差。若不小于当前误差，执行步骤S406；若小于当前误差，执行步骤S407。

步骤S406，调节修正系数。返回步骤S403。

在步骤S406中，调节修正系数的公式为：

，

其中，为第k个迭代周期的修正后的修正系数，为增长因子。

步骤S407，判断当前迭代周期修正后的电压值向量与上一迭代周期修正后的电压值向量之差的范数是否小于预设的终止精度值。若小于终止精度值，执行步骤S408；若不小于终止精度值，执行步骤S409。

步骤S408，以当前迭代周期的电压值向量作为迭代后的电压值向量。

步骤S409，调节修正系数，以下一迭代周期作为当前迭代周期。返回步骤S401。

在步骤S409中，调节修正系数的公式为：

，

调节修正系数之后，以当前迭代周期修正后的电压值向量作为下一迭代周期的电压值向量，然后以当前迭代周期作为上一迭代周期，以下一迭代周期作为当前迭代周期，重复执行上述迭代步骤，直至符合上述收敛条件。

步骤S303，利用迭代后的电压值向量构造测量矩阵，以作为辨识结果。

在步骤S303中，得到迭代后的电压值向量之后，利用迭代后的电压值向量构造测量矩阵，电压采样数据为指数函数波时，测量矩阵为：

，

电压采样数据为临界方波时，测量矩阵为：

，

电压采样数据为方波时，测量矩阵为：

，

其中，Z为测量矩阵。

步骤S104，以辨识结果为观测量，对以绝缘电阻的阻值和Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到绝缘电阻的电阻估算值和Y电容的电容估算值。

如图5所示，在一些实施例中，步骤S104具体可以包括但不限于步骤S501至步骤S503，下面结合图5和图8对这三个步骤进行详细介绍。

步骤S501，构建状态空间模型和观测模型。

在步骤S501中，以绝缘电阻的阻值和Y电容的容值为状态量，构建状态空间模型，以辨识结果为观测量，构建观测模型，状态空间模型和观测模型构成离散系统，离散系统的表达式为：

，

，

其中，为第m个观测时刻的系统状态向量，为第m-1个观测时刻的系统转移函数，为第m-1个观测时刻的过程噪声，为第m个观测时刻正极绝缘电阻的电阻值，为第m个观测时刻负极绝缘电阻的电阻估计值，为第m个观测时刻Y电容的电容估计值，为第m个观测时刻的系统观测向量，为第m-1个观测时刻的系统观测函数，为第m-1个观测时刻的测量噪声，为第m个观测时刻的测量矩阵的转置矩阵。

根据上述离散系统可以得到系统观测函数的表达式为：

，

其中，为第m个观测时刻的系统观测函数。

步骤S502，采用容积原则的数值积分方法，预测状态空间模型的状态量和状态量误差，得到状态量预测结果，利用状态量预测结果预测观测模型的观测量和观测量误差，得到观测量预测结果。

下面对步骤S502的流程进行具体描述。

初始化状态向量和观测向量：

，

，

，

其中，为系统初始状态向量，为系统初始误差协方差矩阵，为系统初始误差协方差矩阵的平方根，为正极绝缘电阻的初始电阻估计值，为负极绝缘电阻的初始电阻估计值，为Y电容的初始电容估计值。

计算状态向量的容积点：

，

其中，为第m个观测时刻的容积点阵列的第j列，为第j个容积点，为第m个观测时刻的系统误差协方差矩阵的平方根，为第m个观测时刻的系统状态估计值。

传播绝缘检测系统状态量的容积点，并对传播后的容积点加权之后，估计绝缘检测系统状态量的预测值，以及计算误差协方差矩阵的平方根：

，

，

，

，

，

其中，为利用第m个观测时刻的容积点值预测第m+1个观测时刻的容积点阵列的第j列，为第m+1个观测时刻系统状态向量的预测值，t为的参数个数，为第m+1个观测时刻系统误差协方差矩阵的平方根，为对矩阵进行QR分解，为与的偏差，为预测过程中运动模型噪声的误差协方差矩阵的平方根，Q为系统过程噪声协方差矩阵。

根据上述系统状态量的预测值及其误差协方差矩阵的平方根，更新一组等权的容积点，使用系统观测函数进行观测，计算观测量的预测值及其协方差矩阵的平方根：

，

，

，

，

，

，

其中，为更新后第m+1个观测时刻的容积点阵列的第j列，为第m+1个观测时刻观测向量的第j列，为第m+1个观测时刻系统观测向量的预测值，为与的偏差，为预测过程中测量噪声的误差协方差矩阵的平方根，R为测量噪声的协方差矩阵。

计算测量值和预测值的互协方差矩阵的平方根，进而计算卡尔曼增益，根据卡尔曼增益计算系统状态向量在第m+1个观测时刻的最佳估计值：

，

，

，

，

其中，为第m+1个观测时刻状态向量和观测向量的互协方差矩阵的平方根，为与的偏差，为第m+1个观测时刻状态的卡尔曼增益，为第m+1个观测时刻系统状态向量的最佳预测值，为第m+1个观测时刻的观测向量。

步骤S503，利用观测量预测结果对状态量预测结果进行修正，得到修正后的状态量预测结果，根据修正后的状态量预测结果确定绝缘电阻的电阻估算值和Y电容的电容估算值。

在步骤S503中，以上述步骤得到的系统状态向量的最佳预测值作为修正后的状态量预测结果，修正后的状态量预测结果包含绝缘电阻的电阻估算值信息和Y电容的电容估算值信息，对修正后的状态量预测结果进行信息提取，可以得到绝缘电阻的电阻估算值和Y电容的电容估算值。

请参阅图6，本申请实施例还提供一种电动汽车高压系统检测装置，可以实现上述电动汽车高压系统检测方法，该装置包括：

第一模块601，用于获取绝缘检测系统采样得到的电压采样数据；电压采样数据为绝缘检测系统以非平衡电桥法对电动汽车高压系统进行周期性电压采样得到的电压波形数据，电动汽车高压系统具有绝缘电阻和Y电容；

第二模块602，用于对电压采样数据进行电压波形分类处理，得到分类结果；

第三模块603，用于根据分类结果，采用非线性最小二乘估计算法，对电压采样数据进行自适应辨识处理，得到辨识结果；辨识结果包含电压采样数据的响应稳态分量信息和响应时间信息；

第四模块604，用于以辨识结果为观测量，对以绝缘电阻的阻值和Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到绝缘电阻的电阻估算值和Y电容的电容估算值。

该电动汽车高压系统检测装置的具体实施方式与上述电动汽车高压系统检测方法的具体实施例基本相同，在此不再赘述。

图7是根据一示例性实施例示出的一种电子设备的框图。

下面参照图7来描述根据本公开的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730、显示单元740等。

其中，存储单元存储有程序代码，程序代码可以被处理单元710执行，使得处理单元710执行本说明书上述电动汽车高压系统检测方法部分中描述的根据本公开各种示例性实施方式的步骤。

存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备700’(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器760可以通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述的电动汽车高压系统检测方法。

本申请实施例提供的电动汽车高压系统检测方法及电子设备，以非平衡电桥法对具有绝缘电阻和Y电容的电动汽车高压系统进行周期性电压采样，对采样得到的电压采样数据进行电压波形分类处理，根据分类结果采用非线性最小二乘估计算法，对电压采样数据进行自适应辨识处理，然后以辨识结果为观测量，对以绝缘电阻的阻值和Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到绝缘阻值和Y电容两者的估算值。由于先对电压采样数据进行电压波形分类处理，后对电压采样数据进行自适应辨识处理，能够在电动汽车高压系统出现绝缘故障时，快速准确地计算出绝缘阻值和等效Y电容的大小，有效提高绝缘阻值的检测精度、响应速度和鲁棒性。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述方法。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

本领域技术人员可以理解上述各模块可以按照实施例的描述分布于装置中，也可以进行相应变化唯一不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施例的方法。

以上具体地示出和描述了本公开的示例性实施例。应可理解的是，本公开不限于这里描述的详细结构、设置方式或实现方法；相反，本公开意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (7)

1.一种电动汽车高压系统检测方法，其特征在于，包括：

获取绝缘检测系统采样得到的电压采样数据；所述电压采样数据为所述绝缘检测系统以非平衡电桥法对电动汽车高压系统进行周期性电压采样得到的电压波形数据，所述电动汽车高压系统具有绝缘电阻和Y电容；

对所述电压采样数据进行电压波形分类处理，得到分类结果；

根据所述分类结果，采用非线性最小二乘估计算法，对所述电压采样数据进行自适应辨识处理，得到辨识结果；所述辨识结果包含所述电压采样数据的响应稳态分量信息和响应时间信息；

以所述辨识结果为观测量，对以所述绝缘电阻的阻值和所述Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到所述绝缘电阻的电阻估算值和所述Y电容的电容估算值；

所述对所述电压采样数据进行电压波形分类处理，得到分类结果，包括：

对所述电压采样数据进行波形斜率估算处理，得到斜率估算值；

在所述斜率估算值处于第一斜率区间时，得到所述电压采样数据为指数函数波的分类结果，在所述斜率估算值处于第二斜率区间时，得到所述电压采样数据为临界方波的分类结果，在所述斜率估算值处于第三斜率区间时，得到所述电压采样数据为方波的分类结果；所述第一斜率区间、所述第二斜率区间和第三斜率区间三者的临界值依次递增；

所述根据所述分类结果，采用非线性最小二乘估计算法，对所述电压采样数据进行自适应辨识处理，得到辨识结果，包括：

根据所述分类结果，构造差函数；所述差函数由指数函数向量和电压采样值拟合而成，所述指数函数向量具有电压值向量，所述电压采样数据为指数函数波时，所述电压值向量由预设的第一响应稳态分量、第一响应增益分量和第一响应时间常数构成，所述电压采样数据为临界方波时，所述电压值向量由第二响应稳态分量、第二响应增益分量和第二响应时间常数构成，所述电压采样数据为方波时，所述电压值向量由第二响应稳态分量构成，所述第二响应稳态分量由当前的半个采样周期内末尾阶段的平均电压值生成，所述第二响应增益分量由预设常数生成，所述第二响应时间常数由所述第二响应稳态分量、所述电动汽车高压系统和所述绝缘检测系统两者的结构参数拟合而成；

采用非线性最小二乘估计算法，迭代更新所述电压值向量，使所述差函数的误差迭代递减，直至符合预设的收敛条件，得到迭代后的电压值向量；

利用所述迭代后的电压值向量构造测量矩阵，以作为所述辨识结果；

所述电压采样数据为指数函数波时，所述差函数的表达式为：

，

所述电压采样数据临界方波时，所述差函数的表达式为：

，

所述电压采样数据为方波时，所述差函数的表达式为：

，

其中，为当前半采样周期的第i个差函数，为当前半采样周期的第i个指数函数向量，为当前半采样周期的第一响应稳态分量，为当前半采样周期的第一响应增益分量，为当前半采样周期的第一响应时间常数，为当前半采样周期的第i个采样时刻，为当前半采样周期的第i个电压采样值，为当前半采样周期的第二响应稳态分量，为当前半采样周期的第二响应增益分量，为当前半采样周期的第二响应时间常数。

2.根据权利要求1所述的电动汽车高压系统检测方法，其特征在于，所述采用非线性最小二乘估计算法，迭代更新所述电压值向量，使所述差函数的误差迭代递减，直至符合预设的收敛条件，得到迭代后的电压值向量，包括：

生成当前迭代周期的电压值向量；

根据所述当前迭代周期的电压值向量，计算所述差函数的当前误差，以及构造雅可比矩阵和拟黑塞矩阵；

根据所述雅可比矩阵和所述拟黑塞矩阵，计算修正量，利用所述修正量对所述当前迭代周期的电压值向量进行修正，得到修正后的差函数；

根据所述修正后的差函数，计算所述差函数的修正后误差；

判断所述修正后误差是否小于所述当前误差；

若不小于所述当前误差，调节修正系数；返回所述根据所述雅可比矩阵和所述拟黑塞矩阵，计算修正量，利用所述修正量对所述当前迭代周期的电压值向量进行修正，得到修正后的电压值向量的步骤；

若小于所述当前误差，判断所述当前迭代周期修正后的电压值向量与上一迭代周期修正后的电压值向量之差的范数是否小于预设的终止精度值；

若小于所述终止精度值，以所述当前迭代周期的电压值向量作为所述迭代后的电压值向量；

若不小于所述终止精度值，调节修正系数，以下一迭代周期作为当前迭代周期；返回所述生成当前迭代周期的电压值向量的步骤。

3.根据权利要求1所述的电动汽车高压系统检测方法，其特征在于，所述以所述辨识结果为观测量，对以所述绝缘电阻的阻值和所述Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到所述绝缘电阻的电阻估算值和所述Y电容的电容估算值，包括：

构建所述状态空间模型和观测模型；

采用容积原则的数值积分方法，预测所述状态空间模型的状态量和状态量误差，得到状态量预测结果，利用所述状态量预测结果预测所述观测模型的观测量和观测量误差，得到观测量预测结果；

利用所述观测量预测结果对所述状态量预测结果进行修正，得到修正后的状态量预测结果，根据所述修正后的状态量预测结果确定所述绝缘电阻的电阻估算值和所述Y电容的电容估算值。

4.根据权利要求1至3任一项所述的电动汽车高压系统检测方法，其特征在于，所述电动汽车高压系统包括动力电池、正极绝缘电阻、负极绝缘电阻、第一Y电容、第二Y电容以及电底盘，所述正极绝缘电阻和所述第一Y电容分别跨接在所述动力电池的正极和所述电底盘之间，所述负极绝缘电阻和所述第二Y电容分别跨接在所述动力电池的负极和所述电底盘之间；

所述绝缘检测系统包括第一限流电阻、第二限流电阻、第一开关、第二开关、第一采样电阻、第二采样电阻、第一分压电阻以及第二分压电阻，所述第一限流电阻和所述第一开关串联之后跨接在所述动力电池的正极和所述电底盘之间，所述第二限流电阻和所述第二开关串联之后跨接在所述动力电池的负极和所述电底盘之间，所述第一分压电阻和所述第一采样电阻串联之后与所述第二限流电阻和所述第二开关并联，所述第二分压电阻和所述第二采样电阻串联之后跨接在所述动力电池的正极和动力电池的负极之间。

5.一种电动汽车高压系统检测装置，其特征在于，包括：

第一模块，用于获取绝缘检测系统采样得到的电压采样数据；所述电压采样数据为所述绝缘检测系统以非平衡电桥法对电动汽车高压系统进行周期性电压采样得到的电压波形数据，所述电动汽车高压系统具有绝缘电阻和Y电容；

第二模块，用于对所述电压采样数据进行电压波形分类处理，得到分类结果；

第三模块，用于根据所述分类结果，采用非线性最小二乘估计算法，对所述电压采样数据进行自适应辨识处理，得到辨识结果；所述辨识结果包含所述电压采样数据的响应稳态分量信息和响应时间信息；

第四模块，用于以所述辨识结果为观测量，对以所述绝缘电阻的阻值和所述Y电容的容值为状态量的状态空间模型进行状态量估算处理，得到所述绝缘电阻的电阻估算值和所述Y电容的电容估算值；

所述对所述电压采样数据进行电压波形分类处理，得到分类结果，包括：

对所述电压采样数据进行波形斜率估算处理，得到斜率估算值；

在所述斜率估算值处于第一斜率区间时，得到所述电压采样数据为指数函数波的分类结果，在所述斜率估算值处于第二斜率区间时，得到所述电压采样数据为临界方波的分类结果，在所述斜率估算值处于第三斜率区间时，得到所述电压采样数据为方波的分类结果；所述第一斜率区间、所述第二斜率区间和第三斜率区间三者的临界值依次递增；

所述根据所述分类结果，采用非线性最小二乘估计算法，对所述电压采样数据进行自适应辨识处理，得到辨识结果，包括：

根据所述分类结果，构造差函数；所述差函数由指数函数向量和电压采样值拟合而成，所述指数函数向量具有电压值向量，所述电压采样数据为指数函数波时，所述电压值向量由预设的第一响应稳态分量、第一响应增益分量和第一响应时间常数构成，所述电压采样数据为临界方波时，所述电压值向量由第二响应稳态分量、第二响应增益分量和第二响应时间常数构成，所述电压采样数据为方波时，所述电压值向量由第二响应稳态分量构成，所述第二响应稳态分量由当前的半个采样周期内末尾阶段的平均电压值生成，所述第二响应增益分量由预设常数生成，所述第二响应时间常数由所述第二响应稳态分量、所述电动汽车高压系统和所述绝缘检测系统两者的结构参数拟合而成；

采用非线性最小二乘估计算法，迭代更新所述电压值向量，使所述差函数的误差迭代递减，直至符合预设的收敛条件，得到迭代后的电压值向量；

利用所述迭代后的电压值向量构造测量矩阵，以作为所述辨识结果；

所述电压采样数据为指数函数波时，所述差函数的表达式为：

，

所述电压采样数据临界方波时，所述差函数的表达式为：

，

所述电压采样数据为方波时，所述差函数的表达式为：

，

其中，为当前半采样周期的第i个差函数，为当前半采样周期的第i个指数函数向量，为当前半采样周期的第一响应稳态分量，为当前半采样周期的第一响应增益分量，为当前半采样周期的第一响应时间常数，为当前半采样周期的第i个采样时刻，为当前半采样周期的第i个电压采样值，为当前半采样周期的第二响应稳态分量，为当前半采样周期的第二响应增益分量，为当前半采样周期的第二响应时间常数。

6.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至4任一项所述的电动汽车高压系统检测方法。

7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的电动汽车高压系统检测方法。