【摘要】：隨著新能源汽車技術(shù)的飛速發(fā)展,純電動汽車因其能源清潔、環(huán)境友好的特點,已經(jīng)成為全球汽車研發(fā)的主要方向。動力電池作為新能源汽車的核心部件和主要動力來源,通過電池管理系統(tǒng)對動力電池進(jìn)行合理、完善的監(jiān)控能夠有效提高電動汽車的行駛里程。而動力電池的荷電狀態(tài)是電池管理系統(tǒng)中最重要的狀態(tài)量。電池SOC的精確估計為電池能量的管理和分配提供了依據(jù),因此具有非常重要的工程價值。電池SOC無法直接測量,只能先建立準(zhǔn)確的電池模型,然后再利用控制算法對電池SOC進(jìn)行估計。為了更好的了解鋰離子電池的特性,建立了電池測試平臺,完成了不同溫度下電池容量衰減度、最大可用容量、充放電倍率和開路電壓的測試。根據(jù)測試分析,建立了變階RC等效電路模型,兼顧了模型適用性和簡易性的特點�；贐IC準(zhǔn)則完成對電池模型階數(shù)的選擇。采用含遺忘因子的最小二乘算法對模型參數(shù)進(jìn)行實時更新。在建立電池模型之后,通過在恒溫條件和變溫條件下的充放電測試,驗證了與固定階數(shù)的模型相比,變階模型具有更高的辨識精度,辨識精度在2.8%以內(nèi)。在建立電池動態(tài)模型之后,提出基于自適應(yīng)協(xié)方差匹配的雙卡爾曼濾波算法,對電池SOC進(jìn)行實時估計。該算法針對雙卡爾曼濾波算法中系統(tǒng)噪聲的協(xié)方差固定不變的缺點,引進(jìn)自適應(yīng)協(xié)方差匹配法對系統(tǒng)噪聲特性進(jìn)行實時在線修正,從而達(dá)到抑制濾波發(fā)散,提高估算精度的目的。通過對恒溫條件和變溫條件下電池的充放電實驗,使用擴(kuò)展卡爾曼濾波算法、雙卡爾曼濾波算法和本文提出的估計算法對SOC估算結(jié)果進(jìn)行對比分析,驗證了基于自適應(yīng)協(xié)方差匹配的雙卡爾曼濾波算法具有更好的估算精度,誤差在3.5%以內(nèi),并且算法具有較強(qiáng)的魯棒性。最后對動力電池包的SOC估計方法與單體電池的估算的不同進(jìn)行了簡單的介紹,提出了一種基于電池包簡化的模型的SOC估算。為了驗證算法在工程中的應(yīng)用能力,對電池包進(jìn)行自定義充放電測試,通過采集電池包的電壓、電流和溫度等數(shù)據(jù),并導(dǎo)入電池測試設(shè)備中,獲得SOC的理論值。然后將數(shù)據(jù)輸入自適應(yīng)雙卡爾曼濾波算法中,獲得估計值。將估計值和理論值進(jìn)行對比分析,對比誤差在5%以內(nèi)。從對比結(jié)果中可以驗證該算法具有實用價值。
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN713;U469.72
【圖文】：

RM凡結(jié)構(gòu)勸能采章圖

圖 1.2 電化學(xué)模型Fig.1.2 Electrochemical model即經(jīng)驗?zāi)Ｐ�，主要是通過對電池做大量的充放參數(shù)的數(shù)學(xué)表達(dá)式來描述該模型。目前，經(jīng)驗?zāi)iversal 模型和 Nernst 模型[12-13]。雖然經(jīng)驗?zāi)Ｐ秃唵危雎粤谁h(huán)境溫度、電池充放電倍率等因應(yīng)用中不具備擴(kuò)展性。模型是一種可以模仿人腦處理信息和學(xué)習(xí)記憶輸入層、隱含層和輸出層三層互聯(lián)的計算機(jī)體。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳懷宇;;卡爾曼濾波算法及其在真實成績預(yù)測中的應(yīng)用[J];中國新通信;2018年23期

2 毛秀華;吳健;;卡爾曼濾波算法研究[J];艦船電子對抗;2017年03期

3 劉潤生;董秀珍;劉銳崗;;線性卡爾曼濾波算法在磁感應(yīng)斷層成像技術(shù)中的仿真研究[J];醫(yī)療衛(wèi)生裝備;2016年01期

4 王秋平;莊園;李鳳;;基于線性分式變換的U卡爾曼濾波算法[J];信息與控制;2013年05期

5 余小琴;沈文苗;;擴(kuò)展卡爾曼濾波算法初值選取方法[J];聲學(xué)與電子工程;2012年01期

6 李恒;張靜遠(yuǎn);羅軒;諶劍;;無味卡爾曼濾波算法形式及性能研究[J];彈箭與制導(dǎo)學(xué)報;2012年03期

7 孫秋云;;改進(jìn)的卡爾曼濾波算法在行駛汽車狀態(tài)估計中的應(yīng)用現(xiàn)狀[J];價值工程;2011年19期

8 李莉;宋志強(qiáng);;轉(zhuǎn)換坐標(biāo)卡爾曼濾波算法在雷達(dá)數(shù)據(jù)融合中的應(yīng)用[J];儀器儀表用戶;2011年04期

9 王建文;稅海濤;馬宏緒;李迅;劉述田;;優(yōu)化卡爾曼濾波算法中的目標(biāo)函數(shù)選擇[J];系統(tǒng)工程與電子技術(shù);2009年01期

10 曲毅;劉忠;孫世言;;純方位被動目標(biāo)運動分析的衰減記憶卡爾曼濾波算法[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2006年05期

相關(guān)會議論文 前10條

1 劉棟;王惠林;;卡爾曼濾波算法在目標(biāo)定位系統(tǒng)中的應(yīng)用[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（上冊）[C];2010年

2 陳婧;謝磊;李備;;水路交通中的卡爾曼濾波算法綜述[A];第七屆中國智能交通年會論文集[C];2012年

3 周紅波;耿伯英;;基于目標(biāo)跟蹤的無偏轉(zhuǎn)換測量卡爾曼濾波算法研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

4 劉健;劉忠;玄兆林;;純方位目標(biāo)運動分析的自適應(yīng)擴(kuò)展卡爾曼濾波算法[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

5 余小琴;劉貫領(lǐng);沈文苗;;多基地浮標(biāo)目標(biāo)運動分析[A];2009年中國東西部聲學(xué)學(xué)術(shù)交流會論文集[C];2009年

6 程慧俐;王紀(jì)文;張洪鉞;;在未知噪聲統(tǒng)計情況下的一種新的自適應(yīng)卡爾曼濾波算法[A];1994中國控制與決策學(xué)術(shù)年會論文集[C];1994年

7 趙汝祺;趙祚喜;趙汝準(zhǔn);;基于多項式卡爾曼濾波算法的車輛定位試驗研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

8 鄭家旺;劉有源;;離散型卡爾曼濾波在汽車零部件檢測中的應(yīng)用[A];湖北省機(jī)械工程學(xué)會設(shè)計與傳動專業(yè)委員會暨武漢機(jī)械設(shè)計與傳動學(xué)會第十九屆學(xué)術(shù)年會論文集[C];2011年

9 沈國華;吳雨翠;童長青;王艷;陳臻堯;;基于LC801E平臺卡爾曼濾波算法與控溫算法結(jié)合的技術(shù)實現(xiàn)[A];第十五屆中國航天電子技術(shù)研究院學(xué)術(shù)交流會優(yōu)秀論文集[C];2018年

10 沈曄青;龔華軍;熊琰;;精確制導(dǎo)系統(tǒng)中的目標(biāo)跟蹤與卡爾曼濾波[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（A 光電系統(tǒng)總體技術(shù)專題）[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 趙偉;基于容積規(guī)則的魯棒卡爾曼濾波算法研究與應(yīng)用[D];燕山大學(xué);2017年

2 馮波;線性濾波估計算法研究及在慣性導(dǎo)航系統(tǒng)中的應(yīng)用[D];北京理工大學(xué);2014年

3 張金良;基于卡爾曼濾波算法的感應(yīng)電機(jī)無傳感器直接轉(zhuǎn)矩控制技術(shù)研究[D];華南理工大學(xué);2016年

4 趙紅宇;慣性行人導(dǎo)航系統(tǒng)的算法研究[D];大連理工大學(xué);2015年

5 沈悅;基于導(dǎo)航通信多模應(yīng)用的位置服務(wù)技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2012年

6 黃錦旺;傳感器網(wǎng)絡(luò)中的信號分離與重構(gòu)[D];華南理工大學(xué);2014年

7 王小剛;非線性濾波方法在無人機(jī)相對導(dǎo)航上的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2010年

8 周聰;基于非線性估計理論的線控轉(zhuǎn)向汽車狀態(tài)估計研究[D];西南交通大學(xué);2012年

9 劉真通;基于模型的純電動車輛動力系統(tǒng)故障診斷研究[D];北京理工大學(xué);2016年

10 孟軍英;基于粒子濾波框架目標(biāo)跟蹤優(yōu)化算法的研究[D];燕山大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 許躍千;基于非線性濾波的水下目標(biāo)跟蹤技術(shù)研究[D];哈爾濱工程大學(xué);2019年

2 周韋潤;動力電池參數(shù)辨識和荷電狀態(tài)估計研究[D];江蘇科技大學(xué);2019年

3 Muhammad Ijaz;無人機(jī)INS/GPS組合導(dǎo)航算法研究[D];哈爾濱工業(yè)大學(xué);2018年

4 劉瑞騰;目標(biāo)跟蹤濾波方法研究[D];西安電子科技大學(xué);2018年

5 陸曉憶;時頻雙選信道環(huán)境下OFDM系統(tǒng)的信道估計技術(shù)研究[D];南京航空航天大學(xué);2018年

6 劉建偉;多路徑激光雷達(dá)三維數(shù)據(jù)處理技術(shù)研究[D];電子科技大學(xué);2018年

7 郭輝;柔性針軟組織穿刺控制方法及實驗研究[D];東北大學(xué);2017年

8 王新霞;低粘著狀態(tài)下機(jī)車粘著狀態(tài)估計方法研究[D];西南交通大學(xué);2018年

9 方健豪;電動汽車動力電池的健康狀態(tài)與荷電估計研究[D];河南科技大學(xué);2018年

10 高文敬;動力電池SOC估算方法研究與BMS開發(fā)[D];山東理工大學(xué);2018年

本文編號：2726031