原文传递
电动汽车锂离子电池建模与SOC估计研究
| 论文题名： | 电动汽车锂离子电池建模与SOC估计研究 |
| 关键词： | 电动汽车;电池管理;SOC估计;汽车电子学 |
| 摘要： | 能源危机和环境问题的日益严重，促使世界各国对电动汽车的研发越来越重视，动力电池及电池管理系统是电动汽车的关键部件，锂离子电池因其无污染、比能量高、无记忆效应等优势，已得到广泛应用。电池荷电状态（SOC）的估计是整车管理的基础，其对延长电池使用寿命、提高整车性能具有重要的意义。本文以锂离子电池为研究对象，基于RC等效模型，重点研究SOC估计方法，采用基于滑模观测器（SMO）的方法、基于径向基函数(RBF)神经网络观测器的方法、基于先进汽车仿真器(ADVISOR)的方法对SOC进行估计和对比验证，实现了较好的估计效果。 本研究主要内容包括：⑴对目前常用的SOC估计方法和等效电路模型进行归纳和和比较，并深入分析了锂离子电池的原理及性能指标，建立了本文的RC等效模型，由脉冲电流放电实验对模型进行了验证，并获取了模型参数，结果表明本文所用的等效模型能较好地模拟电池特性，精度较高。⑵设计了一种具有新型切换函数的滑模观测器对SOC进行估计，利用新型切换函数来替代传统的滑模观测器中的符号函数，利用Lyapunov理论证明了所设计观测器的稳定性，并与传统滑模观测器进行仿真对比，一定程度上减弱了抖振，并且具有较快的收敛速度，仿真结果验证了该方法的有效性，显现了改进的滑模观测器的在估计方面的优势，实现了良好的跟踪性能。⑶设计了一种基于RBF神经网络观测器的SOC估计方法，采用模型中的电压估计值作为神经网络观测器的输入参数，输出系统干扰的估计值，进而计算得到电池SOC的估计值，采用Lyapunov稳定性理论设计了神经网络权值向量的自适应律，验证了所设计的观测器的稳定性，实现了对未知状态的估计以及干扰的逼近，仿真结果表明了该方法是有效可行的。⑷引入了ADVISOR仿真环境，选取两种道路工况进行模拟，基于ADVISOR所提供的电池数据进行了SOC估计的仿真实验，验证了SOC估计算法在实际驾驶工况中的估计效果。结果表明，在不同驾驶工况下，两种方法均能实现对SOC的估计，通过与参考值的比较，估计误差最终稳定在3％以内，验证了算法的有效性。 |
| 作者： | 王光英 |
| 专业： | 控制科学与工程 |
| 导师： | 王中华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 济南大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
