目前,鋰電池是新能源純電動汽車的主要動力來源。所以,為了保障整個鋰電池系統(tǒng)安全與高效地運(yùn)作,需要使用BMS對電池系統(tǒng)進(jìn)行管理。而SOC估計又是BMS的核心技術(shù)之一。所以,本文分析總結(jié)了目前SOC估計算法中存在噪音統(tǒng)計特性不確定、系統(tǒng)模型不準(zhǔn)確、協(xié)方差矩陣不正定等問題。在此基礎(chǔ)上,提出了采用改進(jìn)強(qiáng)跟蹤濾波器I-STF修正系統(tǒng)模型不準(zhǔn)確時估算精度,并且與改進(jìn)后的容積卡爾曼I-CKF結(jié)合,建立了雙濾波結(jié)構(gòu)的電池SOC估算算法,實現(xiàn)了模型參數(shù)與電池SOC聯(lián)合在線估計。本文首先搭建了鋰電池測試平臺,實驗測試了不同放電倍率及溫度下的可用容量特性、電阻特性,分析了環(huán)境溫度、可用容量及放電倍率對鋰電池開路電壓的影響,建立了相關(guān)性能參數(shù)的數(shù)據(jù)庫,為后續(xù)的算法驗證提供了數(shù)據(jù)支撐。其次,建立了電池外電路二階ECM離線時間方程,并在此基礎(chǔ)上得到了模型參數(shù)離線辨識的結(jié)果,為后續(xù)參數(shù)在線辨識提供參考數(shù)據(jù)。隨后,分析了現(xiàn)有SOC估計算法的問題,提出了采用改進(jìn)I-STF強(qiáng)跟蹤濾波器處理系統(tǒng)噪音與模型的時變特性,并且與I-CKF結(jié)合,改進(jìn)了協(xié)方差矩陣P的計算過程,建立了雙濾波結(jié)構(gòu)的電池SOC估算算法,實現(xiàn)了模型參數(shù)與電... 

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究的背景與意義
    1.2 動力電池技術(shù)發(fā)展現(xiàn)狀
        1.2.1 動力電池材料發(fā)展概述
        1.2.2 動力電池建模發(fā)展概述
    1.3 鋰電池SOC估算算法現(xiàn)狀
    1.4 本文主要研究內(nèi)容
第二章 鋰電池特性分析及測試
    2.1 引言
        2.1.1 鋰電池結(jié)構(gòu)及工作原理
        2.1.2 鋰電池測試平臺
    2.2 鋰離子電池特性分析及測試
        2.2.1 容量特性
        2.2.2 開路電壓特性
        2.2.3 內(nèi)阻特性
    2.3 不同溫度下特性分析
        2.3.1 溫度對容量影響
        2.3.2 溫度對開路電壓的影響
    2.4 鋰電池SOC定義
    2.5 本章小結(jié)
第三章 鋰電池建模及參數(shù)辨識
    3.1 引言
    3.2 鋰電池等效電路模型
        3.2.1 Thevenin模型中RC環(huán)路數(shù)量的確定
        3.2.2 Thevenin模型數(shù)學(xué)建模
    3.3 鋰電池模型參數(shù)辨識
        3.3.1 歐姆內(nèi)阻R0 參數(shù)辨識
        3.3.2 參數(shù)Rpa、Rpc、τpa和 τpc的辨識
        3.3.3 不同SOC下模型參數(shù)辨識結(jié)果
    3.4 鋰電池模型試驗驗證
    3.5 本章小結(jié)
第四章 基于I-STCKF雙濾波結(jié)構(gòu)的SOC估計算法
    4.1 引言
    4.2 強(qiáng)跟蹤容積卡爾曼STCKF算法
        4.2.1 容積卡爾曼CKF原理
        4.2.2 強(qiáng)跟蹤STF原理
    4.3 改進(jìn)型I-STCKF算法
        4.3.1 改進(jìn)型I-CKF算法
        4.3.2 改進(jìn)型I-STF算法
    4.4 基于I-STCKF雙濾波結(jié)構(gòu)的SOC估計算法
        4.4.1 鋰電池狀態(tài)空間方程
        4.4.2 鋰電池模型參數(shù)狀態(tài)方程
        4.4.3 基于雙I-STCKF濾波器設(shè)計
    4.5 本章小節(jié)
第五章 鋰電池模型參數(shù)及SOC估計實驗驗證
    5.1 引言
    5.2 模型參數(shù)在線辨識結(jié)果及驗證
        5.2.1 HPPC測試
        5.2.2 結(jié)果及驗證
    5.3 DST工況測試結(jié)果
        5.3.1 DST測試
        5.3.2 測試結(jié)果
        5.3.3 魯棒性驗證結(jié)果
    5.4 UDDS工況測試結(jié)果
        5.4.1 UDDS測試
        5.4.2 測試結(jié)果
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 創(chuàng)新點
    6.3 研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于分?jǐn)?shù)階無跡粒子濾波的動力電池SOC估計[J]. 何耀,秦少勛,劉新天,鄭昕昕,曾國建.  汽車技術(shù). 2018(05)
[2]基于自適應(yīng)無跡卡爾曼的機(jī)器人室內(nèi)定位算法[J]. 洪宇,李勝,郭健,沈宏麗,許鳴吉.  計算機(jī)測量與控制. 2018(01)
[3]基于神經(jīng)網(wǎng)絡(luò)與UKF結(jié)合的鋰離子電池組SOC估算方法[J]. 劉曉悅,杜曉.  現(xiàn)代電子技術(shù). 2018(02)
[4]基于IUPF算法與可變參數(shù)電池模型的SOC估計方法[J]. 劉新天,李賀,何耀,鄭昕昕,曾國建.  東南大學(xué)學(xué)報(自然科學(xué)版). 2018(01)
[5]一種基于優(yōu)化粒子濾波的鋰電池SOC估計算法[J]. 吳蘭花,楊秀芝,鄭明魁,蘇凱雄.  福州大學(xué)學(xué)報(自然科學(xué)版). 2018(02)
[6]基于模糊控制的擴(kuò)展卡爾曼濾波SOC估計研究[J]. 方磊,陳勇,趙理,殷康勝,鄭陽.  系統(tǒng)仿真學(xué)報. 2018(01)
[7]抗差模型預(yù)測Unscented卡爾曼濾波算法研究[J]. 張新豪,李順.  電光與控制. 2018(02)
[8]基于UD分解的Sage-Husa自適應(yīng)濾波算法[J]. 李明,許川佩,李翔.  計算機(jī)仿真. 2017(11)
[9]基于模型融合與自適應(yīng)無跡卡爾曼濾波算法的鋰離子電池SOC估計[J]. 劉偉龍,王麗芳,廖承林,王立業(yè).  汽車工程. 2017(09)
[10]基于BP-EKF算法的鋰電池SOC聯(lián)合估計[J]. 孔祥創(chuàng),趙萬忠,王春燕.  汽車工程. 2017(06)

博士論文
[1]軌道交通用鈦酸鋰電池建模與狀態(tài)估計研究[D]. 劉思佳.北京交通大學(xué) 2018
[2]鋰離子電池火災(zāi)危險性及熱失控臨界條件研究[D]. 黃沛豐.中國科學(xué)技術(shù)大學(xué) 2018
[3]正極補(bǔ)鋰材料及其在鋰離子電池中的應(yīng)用[D]. 詹元杰.中國科學(xué)院大學(xué)(中國科學(xué)院物理研究所) 2018
[4]電動汽車BMS關(guān)鍵技術(shù)研究及硬件在環(huán)測試系統(tǒng)構(gòu)建[D]. 邵玉龍.吉林大學(xué) 2018
[5]電動汽車用鋰離子動力電池建模與狀態(tài)估計研究[D]. 劉樹林.山東大學(xué) 2017
[6]動力鋰電池的建模、狀態(tài)估計及管理策略研究[D]. 汪玉潔.中國科學(xué)技術(shù)大學(xué) 2017
[7]基于數(shù)據(jù)驅(qū)動的多時間尺度鋰離子電池狀態(tài)評估技術(shù)研究[D]. 鄭方丹.北京交通大學(xué) 2017
[8]電動汽車鋰離子動力電池荷電狀態(tài)魯棒性估計方法研究[D]. 穆浩.北京理工大學(xué) 2016
[9]容積卡爾曼濾波算法研究及其在電機(jī)狀態(tài)估計中的應(yīng)用[D]. 丁家琳.西南交通大學(xué) 2015
[10]容積卡爾曼濾波算法研究及其在導(dǎo)航中的應(yīng)用[D]. 葛磊.哈爾濱工程大學(xué) 2013

碩士論文
[1]電動汽車電池管理系統(tǒng)及其荷電狀態(tài)估計算法研究[D]. 高睿智.山東大學(xué) 2018
[2]基于多模型的鋰電池荷電狀態(tài)在線估計方法研究[D]. 楊麗文.南京航空航天大學(xué) 2018
[3]基于AUKF的電動汽車動力電池包SOC的估計研究[D]. 陳棟.江蘇大學(xué) 2017
[4]基于改進(jìn)的粒子群優(yōu)化雙卡爾曼濾波的鋰電池SOC估計方法[D]. 劉璐.哈爾濱工業(yè)大學(xué) 2017
[5]基于雙卡爾曼濾波算法的磷酸鐵鋰電池建模及SOC估計[D]. 周勝.西南交通大學(xué) 2017
[6]基于改進(jìn)卡爾曼濾波算法的電池健康度估算研究[D]. 周興博.哈爾濱理工大學(xué) 2017
[7]LiFePO4動力電池二階RC模型參數(shù)的研究[D]. 姜威.浙江大學(xué) 2015
[8]電動汽車動力電池模型參數(shù)在線辨識及SOC估計[D]. 張禹軒.吉林大學(xué) 2014
[9]車載組合導(dǎo)航系統(tǒng)自適應(yīng)無跡卡爾曼濾波算法研究[D]. 唐苗苗.哈爾濱工程大學(xué) 2013



本文編號：3680676