蓄电池模型参数辨识及在SOC估计中的应用

蓄电池在直流微网中广泛应用,在使用过程中,需要对蓄电池的荷电量进行在线预测,即进行SOC估计,对蓄电池的模型以及参数辨识有较高的要求.由于蓄电池同时具有电特性与化学特性,建立精确的模型比较复杂,本文对蓄电池常用的5种模型进行了对比,并基于混合动力脉冲能力特性HPPC实验结果分别对Thevenin模型和GNL模型进行参数辨识,通过MATLAB仿真对2种模型的准确性进行了对比,在应用扩展卡尔曼滤波法进行SOC估计时,分别对2种模型参数得到的估计结果进行了比较验证.     

State of charge estimation by finite difference extended Kalman filter with HPPC parameters identification

State of charge(SOC) is a key parameter of lithium-ion battery. In this paper, a finite difference extended Kalman filter(FDEKF)with Hybrid Pulse Power Characterization(HPPC) parameters identification is proposed to estimate the SOC. The finite difference(FD) algorithm is benefit to compute the partial derivative of nonlinear function, which can reduce the linearization error generated by the extended Kalman filter(EKF). The FDEKF algorithm can reduce the computational load of controller in engineering practice without solving the Jacobian matrix. It is simple of dynamic model of lithium-ion battery to adopt a secondorder resistor-capacitor(2 RC) network, the parameters of which are identified by the HPPC. Two conditions, both constant current discharge(CCD) and urban dynamometer driving schedule(UDDS), are utilized to validate the FDEKF algorithm.Comparing convergence rate and accuracy between the FDEKF and the EKF algorithm, it can be seen that the former is a better candidate to estimate the SOC.     

基于动态折息因子递推最小二乘法的 永磁同步电机参数辨识

针对传统递推最小二乘法（RLS）辨识永磁同步电机（PMSM）参数精度较差问题,提出了一种动态折息RLS的PMSM参数辨识方法。在PMSM数学模型基础上建立了多参数辨识模型,实现了多参数实时辨识;对RLS引入动态折息因子,通过估计误差对其实时调整,克服了传统RLS数据饱和与估计精度较差问题。仿真分析和实验结果表明,在不同工况下,所提方法在辨识电机定子电阻、定子电感和永磁磁链参数的误差均控制在1%以内,比传统参数辨识方法具有更好的辨识精度与快速性。     

基于改进多新息扩展卡尔曼滤波的电池SOC估计

为了提高SOC估计精度,提出基于遗忘因子改进多新息扩展卡尔曼滤波（FMIEKF）方法. 建立锂离子电池的双极化等效电路模型,开展开路电压测试. 通过递归最小二乘法,实现电池模型参数在线辨识. 提出FMIEKF进行SOC估计,该方法在融合多新息辨识理论和卡尔曼滤波基础上,引入遗忘因子削弱历史数据修正权重,解决数据过饱和问题. 通过实验和硬件在环进行验证. 结果表明,FMIEKF具有较高的准确性和收敛性,最大估计误差为0.948%,平均误差为0.214%,在不同SOC初值下20 s内收敛,可以适用于实际的电池管理系统中.     

电动汽车锂电池SOC估算研究

为了精确估算电动汽车锂电池的荷电状态(state of charge,SOC),本文通过对主流SOC估算方法进行分析与比较,提出了一种基于卡尔曼滤波算法的电动汽车能量管理系统(energy management system,EMS)SOC估算方法,同时采用联合模型以保证估算过程中有较好的精度,并在实验室条件下进行实测数据及MATLAB仿真分析。仿真结果表明,卡尔曼滤波算法对锂电池SOC进行在线实时估计是有效的,能够较为准确地计算出SOC值,且估算结果与实测值基本一致,该方法可以用于电动汽车锂电池SOC的估算,具有很强的实际应用价值。     

基于EKF-UKF模型的锂电池电源参数更新和估计

由于对锂电池的电量参数直接建模存在困难,不便于实现对电源参数的估计,本文提出基于EKF-UKF模型算法直接对锂电池的状态参数进行建模。应用EKF算法获取的电池模型参数、UKF算法观测锂电池的荷电状态,在实现对锂电池进行电量估计的同时,完成对电池模型参数的实时更新,有效地减少漂移电流对估算精度的影响。工况测试表明:这种复合算法复杂度低,能快速实现对锂电池的参数估计,且具有较高的估计精度和鲁棒性。     

电动汽车用动力电池组建模和参数辨识方法

提出了电动汽车用的锂离子动力电池组电化学极化模型,并利用扩展卡尔曼滤波和最小二乘算法分别建立了在线和离线的参数辨识方法。混合脉冲功率特性试验的验证结果表明:基于提出的电化学极化模型所建立的参数辨识方法能够保证模型最大相对误差在1%以内,可精确模拟动力电池组的动态电压特性。建立的参数辨识方法能有效地避免动力电池初次使用前耗时、复杂且易错的参数辨识及定期的参数标定等试验,提高电池管理系统的工作效率。     

用基于遗传优化的扩展卡尔曼滤波算法辨识电池模型参数

提出了一种基于遗传优化算法(Genetic algorithm,GA)和扩展卡尔曼滤波(ExtendedKalman filter,EKF)算法的电池模型参数辨识方法。建立了锂离子动力电池等效电路模型,模型中两个RC网络分别描述电池的电化学极化特性和浓差极化特性,迟滞电压描述电池充放电过程的平衡电势的差异。对于具有耦合关系的模型参数,采用具有最小均方误差估计效果的EKF辨识算法,针对EKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于遗传算法优化EKF噪声矩阵的方法。试验和仿真结果表明:基于遗传优化的EKF算法(GA-EKF)辨识的电池模型满足电动车辆仿真精度要求。     

永磁同步电机的转动惯量辨识及状态估计

为提高永磁同步电机伺服系统的动态性能和鲁棒性,研究了基于模型参考自适应系统的转动惯量辨识方法以及基于卡尔曼滤波器的自适应状态估计策略。提出了一种适用于宽转速、高噪声环境下的电机角速度、角位移和负载扰动转矩的在线估计方法,分析了该方法的抗干扰能力以及系统参数变化对估计效果的影响,并通过辨识出的伺服系统转动惯量对卡尔曼滤波器的系数矩阵进行实时更新,实现了转动惯量自适应状态估计。仿真和实验结果表明该算法在速度分辨率、实时性和抗干扰能力上均优于传统M／T方法。     

基于STM32和BQ76940的电池管理系统设计

利用STM32单片机设计了一种电池管理系统,实现15节串联锂电池的有效管理。采用BQ76940电池监控芯片设计检测单元,并基于开关电容的电力、电子、电路设计主动均衡单元。系统还利用安时积分法和开路电压法估算电池的荷电状态（State of Charge,SOC）,以及利用电池等效模型和通过参数辨识的方法实现在线检测电池的内阻增大性失效故障。介绍了该电池管理系统软硬件的设计方法,并对电池管理系统中的检测单元、均衡单元和内阻辨识进行了测试。实验结果表明：该电池管理系统能够采集电池的电压、电流和温度,能对电压不一致的单体电池进行均衡,并且有效辨识出电池的内阻,具有采样精度高、均衡效果好和能在线检测电池内阻等优点。     

混合动力挖掘机用镍氢电池SOC估算策略

针对混合动力液压挖掘机上电池充放电工况复杂的问题,提出一种新的结合能量守恒模型和改进型电阻、电容等效电路（RC）模型的电池剩余电荷状态（SOC）综合估算方法,其中能量守恒模型增加了电池的反应热,改进型RC模型在RC模型基础上增加了迟滞效应电压,并运用sigma点卡尔曼滤波法对改进型RC模型的数据进行精确观测,通过调节权重系数将两者结合.针对镍氢(NiMH)池进行充放电实验,并采用能量守恒法、改进型RC模型法以及两者相结合的综合估算方法进行SOC估算的对比研究,结果表明：综合估算方法精度较高,适用混合动力液压挖掘机上电池的SOC估算.     

基于滤波方法的瓦塞克模型估计研究

将扩展卡尔曼滤波和无损卡尔曼滤波应用于Vasicek模型的参数估计上,并通过对两种滤波方法的估计效果、运算速度等方面进行对比,探讨了EKF和UKF的特点、适用范围以及性能优劣,并得出虽然UKF的计算量要大于EKF,但UKF无论在估计效果上还是在稳定性和鲁棒性上,均明显优于EKF。因此,UKF在利率期限结构模型估计方面具有巨大的应用潜力。     

UTSTF锂离子电池时变参数估计与故障诊断

针对锂离子电池的参数偏差型故障诊断问题,提出基于无迹变换强跟踪滤波器（UTSTF）的电池时变参数估计与故障诊断方法.建立电池的开路电压（OCV）-荷电状态（SOC）特性曲线与一阶等效电路模型;将电池参数加入状态变量,建立状态与参数的联合状态空间方程,通过UTSTF算法得到电池参数的实时估计结果,并根据估计值设计故障诊断算法流程;以电池内部的接触型故障与扩散型故障为例,在变温环境下模拟故障发生并进行电池充放测试,得到电池参数在UTSTF与无迹卡尔曼滤波（UKF）下估计值与真实值的对比.实验结果表明,所提方法对于电池故障参数具有良好的跟踪效果、较高的估计精度与诊断可靠性.     

基于变采样率UKF算法的动力锂电池SOC估算

电动汽车处于不同行驶工况时,固定采样率的无迹卡尔曼滤波（Fixed Sampling Rate Unscented Kalman Filter, FSR-UKF）算法不能精确估算荷电状态（State of Charge,SOC）。为克服这一缺点,以传统的UKF算法为基础,针对电动汽车不同行驶状态下电池电流的变化特点,将变采样率采集方法与UKF算法融合,根据受控电压源电池等效电路模型及其参数辨识结果,将变采样率UKF（Variable Sampling Rate UKF, VSR-UKF）算法应用于电池SOC的估算中,并设计估算流程图。最后,通过仿真实验,获得最大相对误差不超过1%的电池端电压仿真结果以及最大相对误差不超过5%的SOC估算结果,验证了本研究的正确性和准确性。     

基于深度学习的星载SAR工作模式鉴别

针对传统星载合成孔径雷达（SAR）工作模式反演方法在识别准确率和时效性上存在局限性的问题,根据SAR信号的特点,提出基于一维卷积神经网络的星载SAR工作模式识别模型. 该模型以星载SAR信号脉冲峰值幅度作为输入,利用卷积神经网络的自主学习和模式识别能力,避免了传统方法的人为影响因素,能够学习原始信号更具有代表性的特征,最终实现星载SAR工作模式的有效识别. 在设计一维卷积神经网络结构时,参考了现有性能较优的卷积神经网络,根据网络训练过程中准确率和损失值的反馈,调整设置了较优的参数以训练得到具有良好识别性能的模型. 基于仿真数据的对比实验表明,该模型相较于传统反演方法具有更高的识别准确率,同时对于主旁瓣信号和不同侦收条件均具有较优的鲁棒性和抗噪性.     

转台系统转动惯量辨识与控制器参数自调整

针对转动惯量的变化影响直接驱动数控转台环形永磁力矩电机伺服系统的稳定性、定位精度和动态响应这一问题,在分析环形永磁力矩电机转动惯量变化对转速影响的基础上,提出一种基于扩展卡尔曼滤波(EKF)的辨识方法.对系统转动惯量、负载转矩、转速进行辨识,速度环采用PDF控制器,根据转动惯量辨识值在线调整控制器参数,并将负载转矩辨识值动态补偿到速度环中,以提高系统的动态性能和抗干扰能力.仿真结果验证了该算法的有效性.     

磁浮直线电机的等效控制模型改进

为准确测量电机参数,提出一种新的改进的SLIM等效电路参数辨识方法,利用不同频率时的电机推力、变频器输出电压和电流等静态堵转特性,结合算法推算出适合控制用的SLIM等效电路中的初级电阻、漏感、次级等效电阻和漏感参数.通过MATLAB仿真实验,结果表明各动态参数幅值的修正对提高电机速度辨识精度是有利的,并在中低速磁悬浮模拟实验平台上进行实验,验证了在改进后的T-模型下,对结果分析可以得知电机的状态辨识效果和精度得到了提高,并对以后的电机参数设计具有指导意义.     

基于径向基神经网络的双馈风力发电机低电压穿越控制研究

根据风力机能量转化机理及风电机组运行状态,建立了双馈感应发电机(DFIG)完整的5阶数学模型,分析了其电流控制方案,提出了一种基于径向基(RBF)神经网络辨识的PI控制器自适应控制算法.利用RBF神经网络进行在线辨识,并根据被控对象的Jacobian信息在线调整PI控制器参数,以改善系统的动态响应特性和提高系统的低电压穿越(LVRT)能力.通过构建系统的Simulink仿真模型进行仿真.结果表明,该控制算法有效地抑制了由电压跌落引起的电流震荡,缩短了系统的故障恢复时间,增加了系统的自适应性和鲁棒性,从而提高了系统的低电压穿越(LVRT)能力.     

伺服系统的自适应模糊滑模最优控制研究

为提高无刷直流电机(BLDCM)位置伺服系统的动静态性能，提出了一种基于最优线性二次调节(LQR)策略的控制器设计方法.控制器由最优LQR、模糊控制器和滑模自适应调节器组成.依据状态变换和Lyapurnov稳定性定理，通过离线计算得到二次型优化控制初始值作为模糊控制器输入，由滑模自适应调节系统模糊参数降低Lyapurnov目标函数.对所设计的控制器分别作了空载、带负载及改变电机参数的仿真试验.仿真实验结果表明，该方法设计的控制器明显增强了无刷直流电机位置伺服系统的动静态性能、抗干扰能力和鲁棒性.控制输出能快速平稳地跟随参考位置信号.