發(fā)布時間：2017-05-03 14:10

  本文關鍵詞：基于無味卡爾曼濾波的電動汽車動力電池SOC估計，由筆耕文化傳播整理發(fā)布。

【摘要】：動力電池作為電動汽車的能量載體，如何對其剩余電量（State of Charge,SOC）進行準確估計是整個電動汽車領域的重點和核心技術之一。對SOC的準確估計可以為駕駛者提供準確的續(xù)駛里程信息，可以從理論上避免對電池的過充和過放，更可以為駕駛者的駕駛安全帶來保障。本文針對鋰離子電池的SOC估計問題主要做了如下幾方面工作： 文章首先介紹了電動汽車的發(fā)展背景，明確對電池SOC估計方法進行研究的意義，比較了目前各類常用動力電池的優(yōu)缺點，指出鋰離子電池是目前較理想的動力來源。文中分析了國內(nèi)外的電池SOC估計研究現(xiàn)狀，并對鋰離子電池的工作原理及分類作了簡要介紹。 對于基于模型的SOC估計方法，搭建合適的電池模型是提高SOC估計準確性的重要途徑，所以接下來分析和介紹了幾種常用的電池等效電路模型，并將二階RC環(huán)等效電路模型作為本文SOC估計的待使用模型。為了使模型獲得較高的響應精度，文中針對實際鋰離子電池的開路電壓與SOC的關系表達式進行了快速標定，在此基礎上通過遺忘因子最小二乘法對模型中的參數(shù)進行了實時辨識。 隨后介紹了擴展卡爾曼濾波算法估計系統(tǒng)狀態(tài)變量的思路，在此基礎之上提出使用無味卡爾曼濾波理論對鋰離子電池的SOC進行估計。結合所搭建的二階RC環(huán)等效電路模型的狀態(tài)空間形式，基于實際鋰離子電池參數(shù)，通過Matlab仿真實驗實現(xiàn)無味卡爾曼濾波算法對SOC的估計，并與擴展卡爾曼濾波算法的SOC估計效果進行比對。仿真結果表明無味卡爾曼濾波算法在白噪聲條件下可對SOC的進行較為精確估計，，并證明了其在同條件下可以比擴展卡爾曼算法獲得更好的SOC估算精度。 最后，通過在ADVISOR仿真環(huán)境下搭建電動汽車整車模型，完善整車參數(shù)并進行道路工況仿真實驗。在掌握鋰離子動力電池在實際工況條件下的各項數(shù)據(jù)的基礎上，最終在Matlab中實現(xiàn)無味卡爾曼濾波對動力電池SOC的估計。所得實驗結果證明了無味卡爾曼濾波在實際SOC估計中的可行性、有效性與精確性。
【關鍵詞】：鋰離子電池 無味卡爾曼濾波 電動汽車 等效電路模型 ADVISOR
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：U469.72
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-17
• 1.1 課題研究背景及意義9-10
• 1.2 動力電池的發(fā)展現(xiàn)狀10-11
• 1.3 鋰離子電池的結構及工作原理11-12
• 1.4 SOC 估計方法的研究現(xiàn)狀12-15
• 1.5 本文的主要研究內(nèi)容15-17
• 第2章 鋰離子電池模型及參數(shù)辨識17-35
• 2.1 鋰離子等效電路模型17-21
• 2.1.1 常用的等效電路模型18-19
• 2.1.2 本文選用的等效電路模型19-21
• 2.2 鋰離子電池模型的參數(shù)辨識21-25
• 2.2.1 最小二乘算法在參數(shù)辨識中的應用22-23
• 2.2.2 遺忘因子最小二乘算法23-24
• 2.2.3 所用電池模型的數(shù)學形式24-25
• 2.3 鋰離子電池的參數(shù)辨識實驗25-32
• 2.3.1 鋰離子電池的 OCV 與 SOC 快速標定實驗26-28
• 2.3.2 鋰離子電池的動態(tài)參數(shù)辨識實驗28-32
• 2.4 對所用電池模型的驗證32-34
• 2.5 本章小結34-35
• 第3章 基于無味卡爾曼濾波算法的 SOC 估計35-47
• 3.1 無味卡爾曼濾波理論35-41
• 3.1.1 卡爾曼濾波理論35-37
• 3.1.2 擴展卡爾曼濾波算法37-38
• 3.1.3 無味卡爾曼濾波算法38-41
• 3.2 鋰離子電池 SOC 估計的實現(xiàn)41-45
• 3.3 本章小結45-47
• 第4章 基于 ADVISOR 的 SOC 估計算法仿真實驗47-57
• 4.1 ADVISOR 軟件環(huán)境及仿真原理介紹47-49
• 4.2 ADVISOR 中電動汽車的整車建模49-52
• 4.3 基于實際工況的 SOC 估計驗證52-56
• 4.4 本章小結56-57
• 第5章 總結57-59
• 5.1 全文總結57-58
• 5.2 研究展望58-59
• 參考文獻59-62
• 作者簡介及科研成果62-63
• 致謝63

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 林成濤,王軍平,陳全世;電動汽車SOC估計方法原理與應用[J];電池;2004年05期

2 孟良榮;王金良;;電動車電池現(xiàn)狀與發(fā)展趨勢[J];電池工業(yè);2006年03期

3 顏劍;蘇玉長;蘇繼桃;盧普濤;;鋰離子電池負極材料的研究進展[J];電池工業(yè);2006年04期

4 劉浩;謝樺;姜久春;張維戈;;純電動汽車用鋰離子電池SOC估算方案的研究[J];電氣應用;2010年12期

5 程夕明,孫逢春;電動汽車能量存儲技術概況[J];電源技術;2001年01期

6 樂浪;李革臣;朱磊;何銀吉;李金錄;;卡爾曼濾波在電池檢測中的應用[J];電源技術;2006年02期

7 盧居霄;林成濤;陳全世;韓曉東;;三類常用電動汽車電池模型的比較研究[J];電源技術;2006年07期

8 李立偉;原明亭;包書哲;;基于改進灰色模型的蓄電池剩余容量預測[J];電源技術;2006年12期

9 李騫;劉辛;;改進的卡爾曼濾波算法系統(tǒng)參數(shù)辨識仿真研究[J];計算機仿真;2012年03期

10 李孟良,李洧,方茂東,劉向民,杜傳進,詹興泉;道路車輛實際行駛工況解析方法研究[J];武漢理工大學學報(交通科學與工程版);2003年01期

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 時艷茹;基于UKF濾波的汽車縱向和側向速度估計算法研究[D];吉林大學;2011年

2 付永恒;基于路況信息的混合動力汽車控制策略研究[D];北京交通大學;2011年

3 李超;電動汽車用鎳氫電池模型參數(shù)辨識和SOC估算研究[D];天津大學;2007年

4 張光明;電動教練車的設計與仿真[D];長安大學;2010年

  本文關鍵詞：基于無味卡爾曼濾波的電動汽車動力電池SOC估計，由筆耕文化傳播整理發(fā)布。

本文編號：343172