基于ANFIS的镍氢电池快速充电过程优化

　l 引 言

镍氢电池与铅酸蓄电池、镉镍电池等传统电池相比，具有能量比大、重量轻、温度特性好等特点，并且对环境污染较小，被称为绿色电池。常见镍氢电池充电器一般采用恒流充电，在充电初期，充电电流未能达到电池的接受能力，而在充电后期，只有一小部分电流转化成电池的电量，大部分的电量用来电解水，导致电池极化增强，并产生了大量的热量。这种方法不仅浪费了大量的电能，充电效率低，还缺乏自适应性，加快了电池容量的衰减，缩短了电池的使用寿命。为了提高电池的使用寿命和电池的充电效率，进行快速、无损智能充电已成为一种趋势[1]。近年来，对快速充电方法的研究已取得较大的进步，但采用大电流对镍氢电池进行快速充电，对电池的整体性能的损害大。针对上述问题，本文将模糊控制引入到镍氢电池充电过程，并设计相应的模糊控制器，通过ANFIS对模糊控制规则进行修正和优化，实现对镍氢电池按理想的充电模式进行快速充电。

2镍氢电池充电特性

2.1镍氢电池的充电过程

对常见的镍氢电池的充电电压特性曲线分为3段(见图1)。在开始时采用小电流预充电，在A～B段可用较大电流快速充电，到达B点后若再用恒流快速充电，电流过大(超过C/3甚至更高[2])会损坏电池，过小会使充电时间过长。对此，有人提出采用前期分级恒流充电，充电后期实行脉动式充电。充电过程可分为预充电、快速充电、补足充电和涓流充电4个阶段。在刚开始充电时采用小电流预充电，电池的端电压上升较快，上升到1.2 V时转入快速充电，快速充电是用大电流充电，一般采用1 C以上，电池的大部分电能在这一阶段恢复。为了保证电池充人100%的电能，还就加入补足充电过程，进入涓流浮充阶段，对电池进行维护，以防止电池自放电，充电速率一般为(1/30)C[1.3]。

2.2快速充电结束判断

快速充电结束的条件：电池电压出现负增量一△U;达到最长充电时间;电池温度达到最高值Tco。只要达其中一项，快速充电终止，转入其他的充电阶段。另外，充电器还要能检测出电池是否损坏(短路)，以防止充电器因短路而损坏。本文采用第一种电压负增量法，在理想情况下，其电压增量为0△U，但在实际应用中，其端电压还是有较小的下降。

2.3现有镍氢充电器存在的缺点

不管是传统的恒流充电还是改进的分级恒流充电方法。本质上都是一种充电电流无法随着镍氢电池充电状态自动调节的单一模式充电法，所以无法实现充电过程的最优化[4]。本文引入模糊控制器，在整个充电过程中，根据电池的充电状态而动态跟踪其可接受的最大充电电流，使实际充电电流始终保持在最优值附近。 3模糊控制器设计设计一个优良的模糊控制器，关键是要有一个便于灵活调整的模糊控制规则[5]。模糊控制规则的取得有各种不同的途径，2类基本的方法是：根据人对被控系统的实际操作求取控制规则;根据对象的特点通过数学处理求得控制规则。对系统执行手工控制产生的规则较粗糙，有时还可能出现控制死区[6]，不能满足要求。为了取得更满意的控制效果，可以对原始的控制规则进行改进。本文应用模糊控制对充电电流进行自适应控制，系统连续监测电池电压变化情况，从而控制充电电流，以获到最佳充电效果。具体设计时以粗糙的控制规则为基础，通过ANFIS来修正优化模糊规则。

4 ANFIS模型

ANFIS是J.S.R.Jang提出的自适应神经模糊推理系统，他是将模糊逻辑和神经网络有机结合的新型的模糊推理系统结构，采用反向传播算法和最小二乘法的混合算法调整前提参数和结论参数，能自动产生If-Then规则并进行优化[7]。

在充电过程中，影响充电电流大小的因素很多，但主要取决于以下2点：充电电压和镍氢电池均充电电压(或额定电压)的差;镍氢电池的温度。由于电池温度变化较灵活，对不同电池和电池的化学特性以及在不同的充电速率下都有较大变化。故本文不计温度变化，选取充电电压"和镍氢电池均充电电压(或额定电压)"的差△V和相邻2个电压采样点的变化率△u/△t作为输入变量，输出为充电电流，建立一个2输入1输出的二维模糊控制器。通过对10节容量为2 Ah的镍氢电池做大量充电实验(数据见表1)，镍氢电池的端电压在很短的时间内立即上升到13.6 V左右，随后采取大电流快速充电。

在实验过程中，通过多次实验反复调整，尽量获得更理想的充电速率，当端电压上升到14.5 V左右，充电电流逐渐减小，这时端电压上升较快，直到充满，电压不再上升，甚至有略微下降。这时充电电流降到最小。在此充电过程中，记录了大量的数据，通过分析总结，得出了在快速充电过程中输出电压差△V、电压变化率△u/△t和输出电流对应关系的数据表。由于电压变化率较小，为了减少误差每隔一个时间段(12 s)读取一次数据，共得到398对训练样本数据，表1列出了部分样本数据。

利用ANFIS使用模糊推理技术对数据集进行建模，对输入变量△V(范围：0～1 456 mV)和△u/△t(范围：O～62.5 mV)分别选用3个和5个相关的钟形隶属函数，共得(3×5)共15条规则，即把两维输人空间划分为15个相互重叠的模糊区域，每条If-Then规则管理其中的一个区域。每条规则的前提部分定义一个模糊区域，而结论部分确定该区域内的输出[7]。其ANFIS模型结构如图2所示。

ANFIS模型的具体算法如下：

第一层：将输入变量△V和△u/△t的模糊化。其中的节点i的输出函数为：σi'=μA(x)其中x是节点i的输入。Ai是模糊集。这里选取μA(x)为钟形函数，最值为1

。这里{ai，bi，ci}为前提参数。隶属函数的形状随之而改变。

第二层：2个输入变量分别取3个和5个相关的隶属函数，共得3×5一15条规则。每个节点的输出代表一条规则的可信度。如：w(i)=μA(x)×μB(y)，i=l，2，…，15。

第三层：其节点负责将输入信号相乘。每个节点的输出代表1条规则的归一化可信度。如：

第四层：其节点进行参数学习，其参数学习可以采用反向传播算法和梯度下降法与最小二乘法的混合学习算法。第i个节点的输出：

第五层：计算总的输出为：

给定前提参数后，ANFIS的输出可以表示成线性组合：

5仿真结果

利用Matlab中的ANFIS进行仿真，采用混合学习算法(BP反向传播和最小二乘结合)训练网络权值。这种混合算法具有收敛速度快、容易达到全局最小点的优势。经过250代训练，得到在充电过程中不同情况下最理想的充电速率(大小如图3所示)。在电压差值较大，而电压变化率很小时，可以采用高达1.5C的大电流进行快速充电。而在电压差值很小，电压的变化率也较小，也就是电池快充满时，用小于O.3C的小电流充电，即结束快速充电。网络系统训练的输出和期望输出的误差为O.150 14。如图4所示。

　　6结 语

在本文设计的模糊控制中，对镍氢电池的快速充电过程的充电速率大小由ANFIS模糊推理的输出确定。随电池的差值和电池电压的变化率的不同灵活地选择充电电流，代替传统的恒流充电，在整个充电过程中电池能按理想的模式进行充电，避免在快速充电过程中出现过充，保证了充电的安全，大大提高了充电效率。