本文關(guān)鍵詞：動力電池SOH估計及故障預(yù)測方法研究

  更多相關(guān)文章： 動力電池 健康狀態(tài)估計 支持向量機(jī) 高斯過程回歸 樣本熵

【摘要】：近年來由于汽車產(chǎn)業(yè)的快速發(fā)展,環(huán)境污染與能源危機(jī)問題日益突出。為了解決這兩大問題,我國已開始大力發(fā)展各種新能源汽車,尤其是純電動汽車。動力電池是純電動汽車的動力來源,其性能好壞直接影響著電動汽車的整車性能。電池在使用過程中,電池的容量和內(nèi)阻等參數(shù)將會逐漸出現(xiàn)不可逆的變化,使得電池性能下降,從而影響電池的使用壽命。有效地估計動力電池的健康狀態(tài),可以及時采取措施保護(hù)電池,延長動力電池的使用壽命;同時確保設(shè)備的安全性和可靠性,預(yù)防嚴(yán)重事故的發(fā)生。本文分別基于實(shí)驗(yàn)室數(shù)據(jù)和電池在線數(shù)據(jù),根據(jù)其不同的使用條件和數(shù)據(jù)特點(diǎn)采用了不同的方法對電池的健康狀態(tài)進(jìn)行了估計。首先介紹了幾種常用的動力電池以及使用情況和動力電池健康狀態(tài)的定義,分析了電池容量發(fā)生衰減的原因,比較了電池健康狀態(tài)各種預(yù)測方法的應(yīng)用和優(yōu)缺點(diǎn)。其次,從電池的實(shí)驗(yàn)室充放電循環(huán)數(shù)據(jù)出發(fā),采用數(shù)據(jù)驅(qū)動方法中的支持向量機(jī)估計了電池的健康狀態(tài)。其中,估計過程中采用的C-SVR算法,就是在硬ε-SVR算法的基礎(chǔ)上引入懲罰參數(shù)C和松弛變量ξ。模型中的參數(shù)依據(jù)交叉驗(yàn)證法來選取。結(jié)果表明支持向量機(jī)能夠在一定誤差范圍內(nèi)估計出電池的健康狀態(tài)。為了給出估計結(jié)果的置信區(qū)間,采用高斯過程回歸估計了電池的健康狀態(tài)。估計過程中需要確定協(xié)方差函數(shù)、均值函數(shù)以及似然函數(shù),其關(guān)鍵問題在于協(xié)方差函數(shù)的選取。本文基于最小二乘曲線擬合提出了一種選擇高斯過程回歸中協(xié)方差函數(shù)的方法。估計結(jié)果表明,高斯過程回歸能夠更加準(zhǔn)確地預(yù)測出電池的健康狀態(tài),同時能夠給出估計結(jié)果的置信區(qū)間。最后,本文從實(shí)際電池的實(shí)際充放電循環(huán)數(shù)據(jù)出發(fā),根據(jù)電池數(shù)據(jù)特征,對車用動力鋰離子電池采用基于知識的方法分析了電池性能變化特點(diǎn),并結(jié)合高斯過程回歸通過在線直流內(nèi)阻對電池的健康狀態(tài)進(jìn)行了估計。對鎳鎘和鎳氫電池分別采用基于經(jīng)驗(yàn)的方法和樣本熵法估計電池的健康狀態(tài)。結(jié)果表明,基于知識的方法能夠得到電池內(nèi)阻等參數(shù)的變化趨勢�；诮�(jīng)驗(yàn)的方法能夠預(yù)測出電池可能出現(xiàn)的故障,并給出電池的健康狀態(tài)。樣本熵可以通過計算電池參數(shù)的復(fù)雜度來反映出電池的健康狀態(tài)。
【關(guān)鍵詞】：動力電池 健康狀態(tài)估計 支持向量機(jī) 高斯過程回歸 樣本熵
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM912

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 姜久春;;電池管理系統(tǒng)的概況和發(fā)展趨勢[J];新材料產(chǎn)業(yè);2007年08期

，

本文編號：609340