模型法估计电动汽车动力电池健康状态

本文对动力锂离子电池的不同数学模型进行了分析,提出不同的参数辨识方法。利用不同电池模型及参数辨识方法对电池的健康状态进行了估计,并进行实验验证。研究结果表明:可通过电池模型的内阻变化对电池健康状态进行估计,估计误差绝对值不大于3%,并且随着模型精度的提高,其对电池健康状态的估计也越准确。     

电动汽车动力电池健康状态在线估算方法

针对电动汽车动力电池SOH(state of health)的估算问题,提出一种可以在线运行的有效估算方法.其优势在于仅依托电池管理系统实时测量电压、电流等数据,无需离线电池寿命衰退曲线及电池的初始状态,因此更符合电动汽车对于SOH估算问题的实际需求.在电池恒流充电模式下,以Thevenin及OCV-SOC模型为基础,构建以时间和SOH为隐变量的电池模型.基于此电池模型,提出利用NLS(nonlinear least square)初始化GA搜索范围的快速求解算法进行在线参数辨识,得到电动汽车实时的SOH估计值.验证结果表明SOH估计算法具有较好的实用性及较高的估算精度.     

电动汽车用动力电池组SOC的神经网络估计

针对电动汽车用动力电池组的SOC受充放电率、放电历程和温度等因素的影响,传统方法很难建立准确的数学模型,对电池组SOC进行研究,在对动力电池组进行不同工况充放电试验的基础上。建立了电池组的神经网络仿真模型。并分别采用电流输入,电压和电压梯度输入进行了仿真,实现了对电池组SOC的估计。与实验结果对比,仿真结果与实验基本吻合,验证了该方法的正确性。     

车载动力电池放电过程健康状态在线估计

针对电动汽车无规则随机充放电特点及在线检测需求,考虑到由于电池一致性问题导致难以保证离线实验数据分析法估计精度的问题,提出一种以离线获取的电池健康状态(SOH)外在指征函数为基础的基于无迹卡尔曼滤波(unscented Kalman filter,UKF)思想的在线闭环校正SOH估算架构.该方法优点在于:能够在随机放电过程中快速估算出高精度的SOH值,算法复杂度相对降低,易于实际工程实现且具有较好的鲁棒性.通过验证可以证明,提出的车载动力电池放电过程SOH估算方法具有较好的实用性及较高的估算精度.     

电动汽车动力电池荷电状态的滑模估计方法

应用滑模观测器方法进行了荷电状态估计的研究.基于改进的Thevenin等效电路模型建立了电池的状态空间模型,设计了一种能改善抖动问题的滑模状态观测器.为分析观测器的稳定性,对模型中的非线性项进行了分析,根据其导数有界的特性,利用拉格朗日中值定理给出了保证观测器收敛的条件,并由此确定观测器的设计参数.并且在Matlab环...     

基于自适应UKF的锂离子动力电池状态联合估计

针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter, UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.     

基于充电数据的多阶段锂离子电池健康状态估计

锂离子电池的健康状态估计是锂离子电池寿命评估和健康管理的基础.文中针对实际应用场景中充电数据的缺失,提出一种实用的多阶段电池的健康状态估计方法.研究中根据电压大小,将充电过程划分为3个阶段,分别提出了具有针对性的电池的健康状态估计方法.特别是对于恒流电压过渡阶段,在恒流数据和电压数据都严重缺失地情况下,利用卷积神经网络的数据挖掘能力,直接建立了电压电流数据与电池的健康状态的关系,在锂离子电池的长期老化实验数据研究基础上对所提出的方法进行了验证.结果表明,该方法具有估计精度高、应对严重数据缺失的能力强、对电池不一致性鲁棒性强等优点.     

基于开路电压特性的动力电池健康状态诊断与估计

电池系统复杂的配置和严苛、不确定性的工作环境造成的电池衰退过程极为复杂.为了准确地实施电池系统的管理与控制以保证其高效、可靠和安全运行,有效的电池健康状态诊断与估计必不可少.利用容量增量分析和差分电压分析等原位电化学分析方法对电池开路电压特性变化进行分析,建立电池容量衰退与其衰退机理的量化关系,追溯到电池衰退的源头,从衰退机理角度对电池健康状态进行更真实和更准确的诊断.同时,建立基于电池开路电压曲线的容量估计模型用于电池健康状态估计,该模型不仅能捕捉电池内部不同阶段电化学反应特性,而且具有较高的精度和鲁棒性.在电池全生命周期内,该模型估计误差均小于4%.     

基于浮动车数据的城市交通状态估计研究

为了获取全面、准确的实时道路交通信息,提出了基于浮动车数据的交通状态估计的方法.对其中涉及的关键技术,如数据筛选、坐标转换、路径跟踪、道路匹配、交通状态评定等,提出了适合实时系统的实用算法和思路.并在北京市浮动车实际数据之上,编程模拟实现了北京市交通状态估计的原型系统,验证了该方法的有效性,为城市交通状态估计提供了可行...     

纯电动汽车电池管理系统的设计及应用

针对目前唯一可以产业化的纯电动汽车使用的主要能源动力电池,设计开发了电池管理系统。系统以单片机为核心,采用分布式网络控制系统结构,可以实时检测动力电池的各种运行参数:电池SOC、总电压、总电流、单体模块电压、电池包内特征温度;可以根据电池状态进行故障诊断和报警,同时具有热管理功能等;系统参数通过PC进行标定,通过CAN总线与整车其他系统进行通信实现信息共享。系统已经在BK 6121EV纯电动公交客车上安装。实验室和实车试验结果表明:系统电池电压测量精度为1%满足要求,系统各个功能运行稳定、可靠。     

Study on lifetime and reliability for power battery pack based on single battery Failure

Single battery failure will change other batteries' load in a power battery pack. Based on the cumulative failure probability equality principle, this paper considers the relationship between the load and the battery life distribution, and constructs a reliability model for the parallel subsystem of the battery pack when a single battery fails, and then compares the lifetime and reliability as a function of load and cell design. The result proves that the k-out-of-n system approaches closed to the parallel subsystem of the power battery pack.     

基于实车试验大数据分析的插电式混合动力汽车能量管理策略解析

以某先进的串并联混合动力系统为研究对象,提出一种插电式混合动力汽车能量管理策略的逆向解析方法。基于功率流和能量分析,设计试验解析流程,通过实车试验,分别完成对整车动力性、经济性测试及其性能影响分析,在此基础上制定插电式混合动力汽车的能量管理策略。最后基于MATLAB/Simiulink平台及其Simscape模型库,开发了基于实车试验大数据的串并联插电式混合动力汽车仿真平台,通过仿真与实车试验的对比分析,验证了解析策略的正确性。     

基于多指标评估云模型的车载动力锂电池火灾风险研究

为了探究多影响因素下车载动力锂电池火灾风险特性,确保其安全运行,本文采用基于多指标熵权云模型的评估方法,探讨了不同风险层级下的风险指标隶属度特性,并提供了风险预防措施。结果表明,所选型号动力锂电池在风险等级Ⅲ以下的隶属度为0.684,风险整体处于可控范围;动力锂电池火灾风险事故中,发生可能性排名前五的风险指标中客观风险因素占80%,但客观风险因素发生的可能性小于人为诱发因素,后者平均维持在前者的62%左右;构建风险评估体系中电池类风险指标数达40%,其风险期望值相较其他风险因素低,可在电池生产阶段对所属的风险指标进行改进;电动汽车运行过程中对动力锂电池火灾风险影响最大的三个风险因素分别为气温过高、过充、事故撞击。     

汽车液晶仪表实车数据测试台开发及数据分析

为实现汽车仪表全功能检测及显示策略验证,利用实车数据搭建仿真测试环境。通过上位机读取实车数据脚本,经串口将数据发送给电控单元,电控单元控制产生仪表信号,实现仪表功能测试。利用步进电机带动滑动变阻器模拟油浮子采集油量阻值原理,实现实车油量数据的仿真。基于win32平台开发数据分析环境,对实车数据提取分析,为仪表中控制策略、显示算法提供数据依据。根据信号源制定通用的脚本协议,可以满足多种仪表规范的测试需求。通过多款仪表测试,本平台具有良好的实用性、通用性,且能大大缩短液晶仪表的研发、测试周期。     

基于AEKPF算法对锂离子电池SOC与SOH的联合估计

为了提高锂离子电池SOC(state of charge)和SOH(state of health)的估计精度,采用自适应扩展卡尔曼粒子滤波(adaptive extended Kalman particle filter, AEKPF)算法估算SOC和SOH,该算法通过修正噪声可以解决运用EKF(extended Kalman filter)算法时的噪声误差累积问题,并且AEKF(adaptive extended Kalman filter)算法作为PF(particle filter)算法的建议分布用来实时更新粒子,可以改善单独采用PF算法时的粒子退化问题.为了提高SOC的估计精度,提出考虑电池的劣化特征,联合SOH实现对SOC的修正估计.在Matlab环境下的仿真结果表明:AEKPF算法与AEKF算法相比,可以得到更加准确的SOC和SOH估计值,而且AEKPF算法联合SOH可以有效提高SOC的估计精度,仿真绝对误差不超过±1%.     

基于遗传粒子滤波的轮毂驱动电动汽车质心侧偏角估计方法

质心侧偏角估计是汽车稳定性控制系统中的关键技术.为了解决现有估计方法对轮毂驱动电动汽车信息利用不充分、估计精度低的问题,提出一种基于遗传粒子滤波(GPF)的轮毂驱动电动汽车质心侧偏角估计方法.利用魔术轮胎公式,融合轮毂驱动电动汽车车轮上驱动与制动力矩信息,建立非线性车辆动力学模型,实现轮胎纵向力与侧向力计算,完成质心侧偏角估计器的搭建.针对车辆动力学模型的强非线性及传统粒子滤波算法粒子退化、计算量大的问题,设计适用于强非线性系统并且能够有效抑制退化、减小计算量的遗传粒子滤波算法对质心侧偏角进行估计.仿真结果表明:所提出的估计方法能够提高质心侧偏角的估计精度和鲁棒性.     

基于EKF算法的磷酸铁锂电池在线SOC估算

文章针对大倍率放电条件下,磷酸铁锂电池极化效应加剧变快的现象,考虑了电流对极化参数值影响的电池模型,基于改进后的电池模型,搭建了由dSPACE、可编程电源及电子负载组成的可控电池实验台架,并应用卡尔曼滤波理论对磷酸铁锂电池进行在线SOC状态估算;实验结果表明,改进后的电池模型提高了SOC估算的精度。     

基于ADVISOR的纯电动汽车复合电源系统

以动力电池和超级电容组成的复合电源系统为研究对象,在合理匹配复合电源系统各参数的基础上,建立基于逻辑门限和模糊控制的复合电源系统功率分配策略。利用汽车仿真软件ADVISOR2002并对其二次开发,搭建采用复合电源系统的纯电动汽车模型,结合典型的NEDC道路循环工况分别对此两种功率分配控制策略进行仿真对比分析。结果表明,基于模糊控制策略的复合电源系统可以更好地分配动力电池和超级电容之间的功率,复合电源系统性能明显提升。