本文關鍵詞：鋰電池化成參數(shù)的檢測與估計技術(shù)研究

  更多相關文章： 化成 參數(shù)檢測 SOC估計 自適應濾波

【摘要】：電池化成是鋰電池生產(chǎn)中的一個重要環(huán)節(jié),化成的質(zhì)量對電池的性能起著決定性作用。電池化成設備采用精確的參數(shù)檢測與估計技術(shù),能夠獲取鋰電池精確的化成參數(shù),實現(xiàn)化成流程的精確控制,從而保證了鋰電池的化成質(zhì)量。鋰電池的化成參數(shù)主要包括鋰電池電壓、電流、內(nèi)阻、溫度、煙霧、容量、電池的荷電狀態(tài)(State of Charge,SOC),其中SOC是根據(jù)已知的測量數(shù)據(jù)估計得出的。SOC是鋰電池化成過程之中的關鍵參數(shù),對電池的性能評估起著重要作用。本文以鋰電池化成系統(tǒng)為硬件平臺,研究鋰電池參數(shù)檢測相關的一些技術(shù),保證參數(shù)檢測的準確性,然后從鋰電池模型出發(fā),對鋰電池SOC的估計算法展開深入研究。本論文的主要的研究內(nèi)容如下:1.針對鋰電池電壓和電流采集中存在的干擾問題,本文提出防脈沖干擾濾波與數(shù)字低通濾波相結(jié)合的濾波方案,能夠得到精確的測量值。為了使鋰電池設備長期運行都保持較高測量精度,提出鋰電池檢測通道自動校準方法。在參數(shù)精確測量的基礎上,研究了化成流程的閉環(huán)控制算法與系統(tǒng)分布式控制策略。2.從鋰電池的模型出發(fā),對鋰電池進行基本性能測試實驗,根據(jù)實驗結(jié)果離線辨識模型的參數(shù);為了參數(shù)在線估計的要求,采用遞推估算算法對模型參數(shù)在線辨識。利用擴展卡爾曼濾波、無跡卡爾曼濾波、粒子濾波以及無跡粒子濾波原理,推導出應用于SOC估計的具體遞推算法,并在化成平臺上對鋰電池進行工況測試實驗,仿真對比分析了各種估計濾波算法的估計性能。3.分析SOC估計誤差的來源以及改進方法,針對鋰電池在化成之中模型參數(shù)的時變的特性,研究提出自適應在線估計方案。自適應濾波算法首先估計模型內(nèi)阻,再將內(nèi)阻作為SOC估計算法中的已知參量,從而使SOC估計精度進一步提高。對鋰電池進行模擬工況實驗以及SOC估計算法仿真,對比分析了自適應估計算法與非自適應估計算法的性能,并驗證了自適應算法的魯棒性。4.結(jié)合化成數(shù)據(jù)信息在線估算鋰電池總?cè)萘?由鋰電池實際總?cè)萘繉OC的估計過程進行修正,以使其在整個化成周期內(nèi)都有較高的估計精度。根據(jù)化成平臺的特點,將SOC自適應估計算法在底層嵌入式平臺上實現(xiàn),同時為了保證數(shù)值的穩(wěn)定性,實現(xiàn)的估計算法采用了求根的形式。
【關鍵詞】：化成 參數(shù)檢測 SOC估計 自適應濾波
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TM912
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-18
• 1.1 研究背景及研究現(xiàn)狀11-15
• 1.1.1 研究背景11-12
• 1.1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2 研究目的和意義15
• 1.3 研究內(nèi)容15-17
• 1.4 論文章節(jié)安排17-18
• 第二章 鋰電池化成參數(shù)估計基礎與總體方案18-32
• 2.1 模型參數(shù)估計基礎18-20
• 2.1.1 遞推最小二乘估計18
• 2.1.2 遞推加權(quán)最小二乘估計18-20
• 2.2 非線性系統(tǒng)狀態(tài)估計基礎20-27
• 2.2.1 擴展卡爾曼濾波算法20-22
• 2.2.2 無跡卡爾曼濾波算法22-24
• 2.2.3 粒子濾波算法24-25
• 2.2.4 無跡粒子濾波算法25-27
• 2.3 鋰電池化成參數(shù)檢測與估計總體方案27-29
• 2.3.1 鋰電池化成參數(shù)的檢測與估計指標27
• 2.3.2 鋰電池化成系統(tǒng)總體架構(gòu)27-29
• 2.4 鋰電池化成參數(shù)檢測方案設計29-30
• 2.4.1 參數(shù)采集模塊方案29
• 2.4.2 交流內(nèi)阻檢測模塊方案29-30
• 2.5 本章小結(jié)30-32
• 第三章 鋰電池化成參數(shù)檢測技術(shù)32-46
• 3.1 鋰電池化成精確測量技術(shù)32-36
• 3.1.1 鋰電池化成檢測信號波形分析32-33
• 3.1.2 數(shù)字濾波算法33-34
• 3.1.3 鋰電池化成通道自動校準技術(shù)34-36
• 3.2 鋰電池化成控制技術(shù)36-40
• 3.2.1 鋰電池化成閉環(huán)控制系統(tǒng)36-39
• 3.2.2 鋰電池分布式控制系統(tǒng)39-40
• 3.3 化成檢測平臺的數(shù)據(jù)通信系統(tǒng)設計與實現(xiàn)40-42
• 3.3.1 數(shù)據(jù)通信系統(tǒng)方案40-41
• 3.3.2 數(shù)據(jù)通信軟件實現(xiàn)41-42
• 3.4 鋰電池基本性能測試42-45
• 3.4.1 鋰電池內(nèi)阻特性測試42-44
• 3.4.2 鋰電池開路電壓特性測試44-45
• 3.5 本章小結(jié)45-46
• 第四章 鋰電池化成SOC在線估計技術(shù)研究46-81
• 4.1 SOC的定義及其影響因素46-48
• 4.2 鋰電池模型分析與選取48-51
• 4.2.1 鋰電池模型分析48-51
• 4.2.2 鋰電池模型選取51
• 4.3 模型參數(shù)辨識方法51-58
• 4.3.1 HPPC參數(shù)辨識實驗51-52
• 4.3.2 模型參數(shù)離線辨識52-54
• 4.3.3 基于加權(quán)最小二乘法的參數(shù)在線辨識54-58
• 4.4 鋰電池化成SOC估計算法與分析58-66
• 4.4.1 鋰電池工況實驗58
• 4.4.2 基于EKF的SOC估計58-62
• 4.4.3 基于UKF的SOC估計62-63
• 4.4.4 基于PF的SOC估計63-64
• 4.4.5 基于UPF的SOC估計64-65
• 4.4.6 估計結(jié)果分析65-66
• 4.5 基于自適應濾波算法的SOC在線估計66-77
• 4.5.1 自適應濾波算法的SOC在線估計方案66-68
• 4.5.2 自適應無跡卡爾曼濾波SOC估計算法68-69
• 4.5.3 自適應無跡卡爾曼濾波算法SOC估計實驗結(jié)果69-74
• 4.5.4 總?cè)萘吭诰�估計及SOC估計在線修正74-77
• 4.6 鋰電池SOC在線估計系統(tǒng)設計77-79
• 4.6.1 鋰電池SOC在線估計實現(xiàn)方案77-78
• 4.6.2 鋰電池SOC在線估計軟件設計78-79
• 4.7 本章小結(jié)79-81
• 第五章 平臺測試與驗證81-87
• 5.1 鋰電池化成系統(tǒng)平臺81
• 5.2 鋰電池參數(shù)檢測結(jié)果與驗證81-82
• 5.3 鋰電池參數(shù)在線估計結(jié)果與驗證82-85
• 5.4 本章小結(jié)85-87
• 第六章 總結(jié)與展望87-89
• 6.1 研究內(nèi)容總結(jié)87-88
• 6.2 工作展望88-89
• 致謝89-90
• 參考文獻90-93

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 劉江;史儀凱;袁小慶;曹玉麗;;基于RLS與EKF算法的鋰電池SOC估計[J];測控技術(shù);2013年08期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 席安靜;磷酸鐵鋰電池電化學阻抗譜實驗研究[D];清華大學;2012年

，

本文編號：923878