原文传递
基于粒子滤波算法的电动汽车剩余电量动态估计研究
| 论文题名： | 基于粒子滤波算法的电动汽车剩余电量动态估计研究 |
| 关键词： | 电动汽车;粒子滤波;电池荷电状态;最小二乘法;遗传算法 |
| 摘要： | 面对环境恶化和能源危机带来的双重压力，纯电动汽车已经成为未来汽车发展的主要方向。动力电池是电动汽车的能量来源，为了确保电动汽车能够安全稳定高效地运行，需对电池进行必要的管理和控制。电池荷电状态(SOC)是电池管理系统中最重要的参数之一，通过电池SOC可以判断电池组中单体电池之间的性能差异，避免电池的过充过放，同时还能预测电动汽车的续驶里程，因此及时、准确地对电池SOC进行估计具有非常重要的现实意义。 目前国内外研究的电池SOC估计，主要以在实验室测试的电池数据为基础，很少有人采用电动汽车实际运行的电池数据进行研究，而本文选择纯电动环卫车为实验对象，以实时采集得到的电池数据为基础对电池的SOC值进行估计。 首先，对采集到的原始电池数据文件进行解析，得到相应的电池数据表。为了获得完整、准确的实验数据，设计了电池数据处理算法对数据进行相应的处理，主要包括异常数据处理，数据完整性处理和充放电数据分类处理。然后，根据电池放电数据建立了锂离子电池模型，并通过遗忘因子递推最小二乘法辨识得到模型参数。 由于电池是一个复杂的非线性系统，而粒子滤波算法在求解非线性问题方面具有一定的优越性，因此本文研究了利用粒子滤波算法动态估计电池的SOC值，将粒子滤波算法和锂离子电池模型相结合，利用实测数据进行了电池SOC的估计实验。结果表明，粒子滤波算法能够对电池的SOC做出较准确的估计，该算法具有很好的适用性。 为了较好地解决粒子滤波算法中粒子的退化问题，进而提高粒子滤波算法对电池SOC的估计精度，本文根据遗传算法的原理，探索性地提出了遗传粒子滤波算法，并详细给出了利用遗传粒子滤波算法估计电池SOC的实现方法，通过实例验证，并与标准粒子滤波算法进行对比分析，结果显示，遗传粒子滤波算法对电池SOC的估计更加准确，精度更高。 |
| 作者： | 张洁 |
| 专业： | 系统工程 |
| 导师： | 毕军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
