原文传递
基于无迹卡尔曼滤波算法的电动汽车动力电池SOC估计
| 论文题名： | 基于无迹卡尔曼滤波算法的电动汽车动力电池SOC估计 |
| 关键词： | 电动汽车;锂离子电池;SOC估计;等效电路模型;卡尔曼滤波 |
| 摘要： | 随着电动汽车的日益发展，作为电动汽车的动力来源，动力电池逐渐成为电动汽车领域研究的重点。而作为动力电池的重要参数之一，电池的荷电状态（State of Charge, SOC），即电池的剩余电量更是成为研究的焦点。本文则围绕着动力锂离子电池SOC的估计问题开展了以下几个方面的工作： 首先，本文阐述了锂离子电池的工作原理，介绍了经典的 SOC估计方法以及基于电路模型的复杂估计算法。说明了本文选择的卡尔曼滤波算法在SOC估计方面的优势。 其次，本文结合The ve nin电池等效电路模型构造了更能反应锂离子电池特性的二阶RC模型，推导了其电路方程。通过在Matlab中对HPPC电池脉冲充放电实验数据进行处理，结合模型方程，对模型参数进行离线识别。并将仿真结果与实际数据进行对比，证明得到的模型较为准确。 然后，通过建立模拟工况，在 Matlab中编写程序，对应用递推最小二乘法进行模型参数的在线辨识进行了可行性验证，并证明了该算法进行在线辨识是可行的。 最后，通过在 Matlab中编写算法程序，应用无迹卡尔曼滤波算法对锂离子电池的SOC进行仿真估计。通过不同工况下的估计值与实际值的对比以及误差分析，证明应用该算法进行SOC的估计精度较高，对系统误差以及SOC的初值偏差有很好的矫正作用。 |
| 作者： | 申晓康 |
| 专业： | 车辆工程 |
| 导师： | 马骊溟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
