(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利審查員王蒙(72)發(fā)明人陳鐵寶雷朝霞黃鑌趙洪濤所(普通合伙)43105本發(fā)明公開了一種新能源電池的故障診斷針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去得到時(shí)域高頻電壓信號(hào)，利用稀疏自編碼器針對(duì)每個(gè)電池，對(duì)低頻電壓信號(hào)進(jìn)行奇異值分組合高頻特征和低頻特征得到該電池的特征針對(duì)每個(gè)電池，計(jì)算該電池的特征向量曲線與21.一種新能源電池的故障診斷方法，其特征在于，所述方法包括：獲取新能源電池組的原始電壓信號(hào)，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào)；針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)，利用稀疏自編碼器提取時(shí)域高頻電壓信號(hào)的特征參數(shù)，作為該電池的高頻特征向量；針對(duì)每個(gè)電池，對(duì)所述低頻電壓信號(hào)進(jìn)行奇異值分解提取低頻電壓信號(hào)的特征參數(shù)，作為該電池的低頻特征向量；組合高頻特征和低頻特征得到該電池的特征向量曲線，并確定電池組的平均特征向量針對(duì)每個(gè)電池，計(jì)算該電池的特征向量曲線與平均特征向量曲線之間的曲線距離，根據(jù)曲線距離判斷該電池是否存在故障；針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào)包括：針對(duì)電池組中的每個(gè)電池，對(duì)原始電壓信號(hào)進(jìn)行四層小波包分解，得到低頻電壓信號(hào)和高頻電壓信號(hào)；針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)包針對(duì)每個(gè)電池，計(jì)算高頻電壓信號(hào)中每個(gè)高頻子序列中包含的能量；去除能量低于預(yù)設(shè)閾值的高頻子序列；對(duì)過濾后的高頻子序列進(jìn)行小包波重建，得到降噪后的時(shí)域高頻電壓信號(hào)；根據(jù)曲線距離判斷該電池是否存在故障包括：將曲線距離通過基于Chauvenet準(zhǔn)則的異常值過濾器，檢測(cè)曲線距離中是否存在故障；所述異常值過濾器的動(dòng)態(tài)閾值由正態(tài)分布反函數(shù)確定。2.一種新能源電池的故障診斷系統(tǒng)，其特征在于，所述系統(tǒng)包括預(yù)處理模塊、第一特征提取模塊、第二特征提取模塊、特征向量曲線模塊和故障判斷模塊：所述預(yù)處理模塊，用于獲取新能源電池組的原始電壓信號(hào)，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào)；所述第一特征提取模塊，用于針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)，利用稀疏自編碼器提取時(shí)域高頻電壓信號(hào)的特征參數(shù)，作為該電池的高頻特征向量；所述第二特征提取模塊，用于針對(duì)每個(gè)電池，對(duì)所述低頻電壓信號(hào)進(jìn)行奇異值分解提取低頻電壓信號(hào)的特征參數(shù)，作為該電池的低頻特征向量；所述特征向量曲線模塊，用于組合高頻特征和低頻特征得到該電池的特征向量曲線，并確定電池組的平均特征向量曲線；所述故障判斷模塊，用于針對(duì)每個(gè)電池，計(jì)算該電池的特征向量曲線與平均特征向量曲線之間的曲線距離，根據(jù)曲線距離判斷該電池是否存在故障；所述預(yù)處理模塊，用于針對(duì)電池組中的每個(gè)電池，對(duì)原始電壓信號(hào)進(jìn)行四層小波包分解，得到低頻電壓信號(hào)和高頻電壓信號(hào)；所述第一特征提取模塊包括計(jì)算模塊、過濾模塊和重建模塊：所述計(jì)算模塊，用于針對(duì)每個(gè)電池，計(jì)算高頻電壓信號(hào)中每個(gè)高頻子序列中包含的能3所述過濾模塊，用于去除能量低于預(yù)設(shè)閾值的高頻子序列；所述重建模塊，用于對(duì)過濾后的高頻子序列進(jìn)行小包波重建，得到降噪后的時(shí)域高頻電壓信號(hào)；所述重建模塊，用于將曲線距離通過基于Chauvenet準(zhǔn)則的異常值過濾器，檢測(cè)曲線距離中是否存在故障；所述異常值過濾器的動(dòng)態(tài)閾值由正態(tài)分布反函數(shù)確定。處理器，用于執(zhí)行存儲(chǔ)器上所存放的程序時(shí)，實(shí)現(xiàn)權(quán)利要求1所述的方法步驟。4.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)內(nèi)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1所述的方法步驟。4新能源電池的故障診斷方法、系統(tǒng)、電子設(shè)備與存儲(chǔ)介質(zhì)技術(shù)領(lǐng)域[0001]本發(fā)明涉及電池故障診斷技術(shù)領(lǐng)域，具體涉及一種新能源電池的故障診斷方法、背景技術(shù)[0002]電池故障一直是新能源汽車安全的一大隱患，早期的故障診斷會(huì)減少很多的新能源汽車安全事故，且一般前期的故障短路信號(hào)很微弱，因此實(shí)現(xiàn)電池故障的早期預(yù)警目前仍然是一大挑戰(zhàn)。[0003]現(xiàn)有的故障診斷方法大多在時(shí)域人為提取特征參數(shù)，故障信息容易淹沒在電池的不一致性中，影響故障診斷的準(zhǔn)確性。發(fā)明內(nèi)容[0004]本發(fā)明的目的就在于解決上述背景技術(shù)的問題，而提出一種新能源電池的故障診[0005]本發(fā)明的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：[0006]本發(fā)明實(shí)施例第一方面，提供了一種新能源電池的故障診斷方法，所述方法包括：[0007]獲取新能源電池組的原始電壓信號(hào)，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào)；[0008]針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)，利用稀疏自編碼器提取時(shí)域高頻電壓信號(hào)的特征參數(shù)，作為該電池的高頻特征向量；[0009]針對(duì)每個(gè)電池，對(duì)所述低頻電壓信號(hào)進(jìn)行奇異值分解提取低頻電壓信號(hào)的特征參數(shù)，作為該電池的低頻特征向量；[0010]組合高頻特征和低頻特征得到該電池的特征向量曲線，并確定電池組的平均特征向量曲線；[0011]針對(duì)每個(gè)電池，計(jì)算該電池的特征向量曲線與平均特征向量曲線之間的曲線距離，根據(jù)曲線距離判斷該電池是否存在故障。[0012]可選地，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào)包括：[0013]針對(duì)電池組中的每個(gè)電池，對(duì)原始電壓信號(hào)進(jìn)行四層小波包分解，得到低頻電壓信號(hào)和高頻電壓信號(hào)。[0014]可選地，針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)包括：[0015]針對(duì)每個(gè)電池，計(jì)算高頻電壓信號(hào)中每個(gè)高頻子序列中包含的能量；[0016]去除能量低于預(yù)設(shè)閾值的高頻子序列；[0017]對(duì)過濾后的高頻子序列進(jìn)行小包波重建，得到降噪后的時(shí)域高頻電壓信號(hào)。[0018]可選地，根據(jù)曲線距離判斷該電池是否存在故障包括：5[0019]將曲線距離通過基于Chauvenet準(zhǔn)則的異常值過濾器，檢測(cè)曲線距離中是否存在故障；所述異常值過濾器的動(dòng)態(tài)閾值由正態(tài)分布反函數(shù)確定。[0020]本發(fā)明實(shí)施例第二方面，還提供了一種新能源電池的故障診斷系統(tǒng)，所述系統(tǒng)包括預(yù)處理模塊、第一特征提取模塊、第二特征提取模塊、特征向量曲線模塊和故障判斷模[0021]所述預(yù)處理模塊，用于獲取新能源電池組的原始電壓信號(hào)，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào)；[0022]所述第一特征提取模塊，用于針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)，利用稀疏自編碼器提取時(shí)域高頻電壓信號(hào)的特征參數(shù)，作為該電池的高頻特征向量；[0023]所述第二特征提取模塊，用于針對(duì)每個(gè)電池，對(duì)所述低頻電壓信號(hào)進(jìn)行奇異值分解提取低頻電壓信號(hào)的特征參數(shù)，作為該電池的低頻特征向量；[0024]所述特征向量曲線模塊，用于組合高頻特征和低頻特征得到該電池的特征向量曲線，并確定電池組的平均特征向量曲線；[0025]所述故障判斷模塊，用于針對(duì)每個(gè)電池，計(jì)算該電池的特征向量曲線與平均特征向量曲線之間的曲線距離，根據(jù)曲線距離判斷該電池是否存在故障。[0026]可選地，所述預(yù)處理模塊，用于針對(duì)電池組中的每個(gè)電池，對(duì)原始電壓信號(hào)進(jìn)行四層小波包分解，得到低頻電壓信號(hào)和高頻電壓信號(hào)。[0027]可選地，所述第一特征提取模塊包括計(jì)算模塊、過濾模塊和重建模塊：[0028]所述計(jì)算模塊，用于針對(duì)每個(gè)電池，計(jì)算高頻電壓信號(hào)中每個(gè)高頻子序列中包含[0029]所述過濾模塊，用于去除能量低于預(yù)設(shè)閾值的高頻子序列；[0030]所述重建模塊，用于對(duì)過濾后的高頻子序列進(jìn)行小包波重建，得到降噪后的時(shí)域高頻電壓信號(hào)。[0031]可選地，所述重建模塊，用于將曲線距離通過基于Chauvenet準(zhǔn)則的異常值過濾器，檢測(cè)曲線距離中是否存在故障；所述異常值過濾器的動(dòng)態(tài)閾值由正態(tài)分布反函數(shù)確定。[0032]本發(fā)明實(shí)施例第三方面，還提供了一種電子設(shè)備，其特征在于，包括處理器、通信接口、存儲(chǔ)器和通信總線，其中，處理器，通信接口，存儲(chǔ)器通過通信總線完成相互間的通[0034]處理器，用于執(zhí)行存儲(chǔ)器上所存放的程序時(shí)，實(shí)現(xiàn)上述任一所述的方法步驟。[0035]本發(fā)明實(shí)施例第四方面，還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)內(nèi)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一所述的方法步驟。[0036]本發(fā)明的有益效果：[0037]本發(fā)明實(shí)施例提供了一種新能源電池的故障診斷方法，方法包括：獲取新能源電池組的原始電壓信號(hào)，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào)；針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)，利用稀疏自編碼器提取時(shí)域高頻電壓信號(hào)的特征參數(shù)，作為該電池的高頻特征向量；針6對(duì)每個(gè)電池，對(duì)低頻電壓信號(hào)進(jìn)行奇異值分解提取低頻電壓信號(hào)的特征參數(shù)，作為該電池的低頻特征向量；組合高頻特征和低頻特征得到該電池的特征向量曲線，并確定電池組的平均特征向量曲線；針對(duì)每個(gè)電池，計(jì)算該電池的特征向量曲線與平均特征向量曲線之間的曲線距離，根據(jù)曲線距離判斷該電池是否存在故障。通過WPD對(duì)原始電壓數(shù)據(jù)進(jìn)行預(yù)處理，分離出包含故障信息的高頻子序列和包含不一致信息的低頻子序列，減少了高頻信息和低頻信息之間的干擾，并通過小波包能量降噪方法對(duì)高頻分量進(jìn)行降噪，降低噪聲的干擾，基于SAE和SVD分別提取能夠反映電池故障和不一致性的特征參數(shù)，有助于提高故障診斷和不一致性檢測(cè)的準(zhǔn)確性。附圖說明[0038]下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的說明。[0039]圖1為本發(fā)明實(shí)施例提供的一種新能源電池的故障診斷方法的流程圖；[0040]圖2為本發(fā)明實(shí)施例提供了一種新能源電池的故障診斷系統(tǒng)的系統(tǒng)框圖；[0041]圖3為本發(fā)明實(shí)施例提供的一種電子設(shè)備的結(jié)構(gòu)示意圖。具體實(shí)施方式[0042]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它[0043]本發(fā)明實(shí)施例提供了一種新能源電池的故障診斷方法，參見圖1,圖1為本發(fā)明實(shí)施例提供的一種新能源電池的故障診斷方法的流程圖。方法包括：[0044]S101,獲取新能源電池組的原始電壓信號(hào)，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào).[0045]S102,針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)，利用稀疏自編碼器提取時(shí)域高頻電壓信號(hào)的特征參數(shù)，作為該電池的高頻特征向[0046]S103,針對(duì)每個(gè)電池，對(duì)低頻電壓信號(hào)進(jìn)行奇異值分解提取低頻電壓信號(hào)的特征參數(shù)，作為該電池的低頻特征向量。[0047]S104,組合高頻特征和低頻特征得到該電池的特征向量曲線，并確定電池組的平均特征向量曲線。[0048]S105,針對(duì)每個(gè)電池，計(jì)算該電池的特征向量曲線與平均特征向量曲線之間的曲線距離，根據(jù)曲線距離判斷該電池是否存在故障。[0049]基于本發(fā)明實(shí)施例提供的一種新能源電池的故障診斷方法，通過WPD對(duì)原始電壓數(shù)據(jù)進(jìn)行預(yù)處理，分離出包含故障信息的高頻子序列和包含不一致信息的低頻子序列，減少了高頻信息和低頻信息之間的干擾，并通過小波包能量降噪方法對(duì)高頻分量進(jìn)行降噪，降低噪聲的干擾，基于SAE和SVD分別提取能夠反映電池故障和不一致性的特征參數(shù)，有助于提高故障診斷和不一致性檢測(cè)的準(zhǔn)確性。[0050]在一個(gè)實(shí)施例中，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和7高頻電壓信號(hào)包括：[0051]針對(duì)電池組中的每個(gè)電池，對(duì)原始電壓信號(hào)進(jìn)行四層小波包分解，得到低頻電壓信號(hào)和高頻電壓信號(hào)。[0052]在一個(gè)實(shí)施例中，針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)包括：[0053]針對(duì)每個(gè)電池，計(jì)算高頻電壓信號(hào)中每個(gè)高頻子序列中包含的能量；[0054]去除能量低于預(yù)設(shè)閾值的高頻子序列；[0055]對(duì)過濾后的高頻子序列進(jìn)行小包波重建，得到降噪后的時(shí)域高頻電壓信號(hào)。[0056]在一個(gè)實(shí)施例中，根據(jù)曲線距離判斷該電池是否存在故障包括：[0057]將曲線距離通過基于Chauvenet準(zhǔn)則的異常值過濾器，檢測(cè)曲線距離中是否存在故障；所述異常值過濾器的動(dòng)態(tài)閾值由正態(tài)分布反函數(shù)確定。[0058]基于相同的發(fā)明構(gòu)思本發(fā)明實(shí)施例還提供了一種新能源電池的故障診斷系統(tǒng)，參見圖2,圖2為本發(fā)明實(shí)施例提供的一種新能源電池的故障診斷系統(tǒng)的系統(tǒng)框圖。系統(tǒng)包括預(yù)處理模塊、第一特征提取模塊、第二特征提取模塊、特征向量曲線模塊和故障判斷模塊：[0059]預(yù)處理模塊，用于獲取新能源電池組的原始電壓信號(hào)，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào)；[0060]第一特征提取模塊，用于針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)，利用稀疏自編碼器提取時(shí)域高頻電壓信號(hào)的特征參數(shù)，作為該電池的高頻特征向量；[0061]第二特征提取模塊，用于針對(duì)每個(gè)電池，對(duì)低頻電壓信號(hào)進(jìn)行奇異值分解提取低頻電壓信號(hào)的特征參數(shù)，作為該電池的低頻特征向量；[0062]特征向量曲線模塊，用于組合高頻特征和低頻特征得到該電池的特征向量曲線，并確定電池組的平均特征向量曲線；[0063]故障判斷模塊，用于針對(duì)每個(gè)電池，計(jì)算該電池的特征向量曲線與平均特征向量曲線之間的曲線距離，根據(jù)曲線距離判斷該電池是否存在故障。[0064]基于本發(fā)明實(shí)施例提供的一種新能源電池的故障診斷系統(tǒng)，通過WPD對(duì)原始電壓數(shù)據(jù)進(jìn)行預(yù)處理，分離出包含故障信息的高頻子序列和包含不一致信息的低頻子序列，減少了高頻信息和低頻信息之間的干擾，并通過小波包能量降噪方法對(duì)高頻分量進(jìn)行降噪，降低噪聲的干擾，基于SAE和SVD分別提取能夠反映電池故障和不一致性的特征參數(shù)，有助于提高故障診斷和不一致性檢測(cè)的準(zhǔn)確性。[0065]在一個(gè)實(shí)施例中，所述預(yù)處理模塊，用于針對(duì)電池組中的每個(gè)電池，對(duì)原始電壓信號(hào)進(jìn)行四層小波包分解，得到低頻電壓信號(hào)和高頻電壓信號(hào)。[0066]在一個(gè)實(shí)施例中，所述第一特征提取模塊包括計(jì)算模塊、過濾模塊和重建模塊：[0067]所述計(jì)算模塊，用于針對(duì)每個(gè)電池，計(jì)算高頻電壓信號(hào)中每個(gè)高頻子序列中包含的能量；[0068]所述過濾模塊，用于去除能量低于預(yù)設(shè)閾值的高頻子序列；[0069]所述重建模塊，用于對(duì)過濾后的高頻子序列進(jìn)行小包波重建，得到降噪后的時(shí)域高頻電壓信號(hào)。[0070]在一個(gè)實(shí)施例中，所述重建模塊，用于將曲線距離通過基于Chauvenet準(zhǔn)則的異常8值過濾器，檢測(cè)曲線距離中是否存在故障；所述異常值過濾器的動(dòng)態(tài)閾值由正態(tài)分布反函數(shù)確定。[0071]本發(fā)明實(shí)施例還提供了一種電子設(shè)備，如圖3所示，包括處理器301、存儲(chǔ)器303和通信總線304,其中，處理器301,通信接口302,存儲(chǔ)器303通過通信總線304完成相互間的通信，[0072]存儲(chǔ)器303,用于存放計(jì)算機(jī)程序；[0073]處理器301,用于執(zhí)行存儲(chǔ)器303上所存放的程序時(shí)，實(shí)現(xiàn)如下步驟：[0074]獲取新能源電池組的原始電壓信號(hào)，針對(duì)電池組中的每個(gè)電池分解原始電壓信號(hào)為低頻電壓信號(hào)和高頻電壓信號(hào)；[0075]針對(duì)每個(gè)電池，對(duì)高頻電壓信號(hào)進(jìn)行預(yù)處理去除信號(hào)噪聲得到時(shí)域高頻電壓信號(hào)，利用稀疏自編碼器提取時(shí)域高頻電壓信號(hào)的特征參數(shù)，作為該電池的高頻特征向量；[0076]針對(duì)每個(gè)電池，對(duì)所述低頻電壓信號(hào)進(jìn)行奇異值分解提取低頻電壓信號(hào)的特征參[0077]組合高頻特征和低頻特征得到該電池的特征向量曲線，并確定電池組的平均特征向量曲線；[0078]針對(duì)每個(gè)電池，計(jì)算該電池的特征向量曲線與平均特征向量曲線之間的曲線距離，根據(jù)曲線距離判斷該電池是否存在故障。[0079]上述電子設(shè)備提到的通信總線可以是外設(shè)部件互連標(biāo)準(zhǔn)(PeripheralComponentInterconnect,PCI)總線或擴(kuò)展工業(yè)標(biāo)準(zhǔn)結(jié)構(gòu)(ExtendedIndustryStandardArchitecture,EISA)總線等。該通信總線可以分為于表示，圖中僅用一條粗線表示，但并不表示僅有一根總線或一種類型的總線。[0080]通信接口用于上述電子設(shè)備與其他設(shè)備之間的通信。[0081]存儲(chǔ)器可以包括隨機(jī)存取存儲(chǔ)器(RandomAccessMemory,RAM),也可以包括非易失性存儲(chǔ)器(Non-VolatileMemory,NVM),例如至少一個(gè)磁盤存儲(chǔ)器?？蛇x的，存儲(chǔ)器還可以是至少一個(gè)位于遠(yuǎn)離前述處理器的存儲(chǔ)裝置。[0082]上述的處理器可以是通用處理器，包括中央處理器(CentralProcessingUnit,CPU)、網(wǎng)絡(luò)處理器(NetworkProcessor,N場(chǎng)可編程門陣列(Field-ProgrammableGateArray,FPGA)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件。[0083]在本發(fā)明提供的又一實(shí)施例中，還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)內(nèi)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一新能源電池的故障診斷方法的步驟。[0084]在本發(fā)明提供的又一實(shí)施例中，還提供了一種包含指令的計(jì)算機(jī)程序產(chǎn)品，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述實(shí)施例中任一新能源電池的故障診斷方法。[0085]在上述實(shí)施例中，可以全部或部分地通過軟件、硬件、固件或者其任意組合來實(shí)現(xiàn)。當(dāng)使用軟件實(shí)現(xiàn)時(shí)，可以全部或部分地以計(jì)算機(jī)程序產(chǎn)品的形式實(shí)現(xiàn)。所述計(jì)算機(jī)程序產(chǎn)品包括一個(gè)或多個(gè)計(jì)算機(jī)指令。在計(jì)算機(jī)上加載和執(zhí)行所述計(jì)算機(jī)程序指令時(shí)，全部或部分地產(chǎn)生按照本發(fā)明實(shí)施例所述的流程或功能。所述計(jì)算機(jī)可以是通用計(jì)算機(jī)、專用計(jì)9算機(jī)、計(jì)算機(jī)網(wǎng)絡(luò)、或者其他可編程裝置。所述計(jì)算機(jī)指令可以存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，或者從一個(gè)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)向另一個(gè)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)傳輸，例如，所述計(jì)算機(jī)指令可以從一個(gè)網(wǎng)站站點(diǎn)、計(jì)算機(jī)、服務(wù)器或數(shù)據(jù)中心通過有線用戶線(DSL))或無線(例如紅外、無線、微波等)方式向另一個(gè)網(wǎng)站站