原文传递
基于双重自适应无迹卡尔曼滤波器的锂电池SOC估计研究
| 论文题名： | 基于双重自适应无迹卡尔曼滤波器的锂电池SOC估计研究 |
| 关键词： | 电动汽车;锂电池;卡尔曼滤波器;SOC估计 |
| 摘要： | 随着能源与环境形势的日益严峻，新能源电动汽车产业化前景广阔。锂电池作为电动汽车的核心驱动能源，仍存在状态无法精确估计，且动态循环寿命不高等问题。因此如何准确而又高效地估算锂电池的荷电状态即SOC值是电动汽车应用的关键技术。本文正是以磷酸铁锂电池为研究对象，通过搭建电池测试装置，提出一种自适应无迹卡尔曼滤波SOC估计算法，主要开展工作如下： 首先详细分析了锂电池的种类及其工作原理，着重分析了其性能指标，并引出本文的研究对象―磷酸铁锂电池；然后搭建基于ITS5300的电池充放电测试台架，该测试台架主要由4部分组成：可编程ITECH线性电源、磷酸铁锂电池、可编程电子负载以及担任主控器的工控机。基于测试装置，完成特定充放电实验测试，并完成锂电池开路电压与SOC值关系的实验整定。 然后详细分析了锂电池常用的几种模型，并选取了二阶RC电路模型作为本文估算锂电池SOC的模型，并详细论证了该模型的稳定性，在此基础上分别采用离线方法和在线方法辨识模型参数，并详细介绍了传统卡尔曼滤波器KF在线参数辨识方法。 采用基于UT变换的无迹卡尔曼滤波算法UKF对锂电池SOC估计较为精确，但前提是要精确获得系统的过程噪声以及观测噪声的统计特征。本研究提出一种新型自适应无迹卡尔曼算法AUKF，详细分析了该算法的实现过程；之后结合基于传统KF的参数在线辨识和基于AUKF算法的锂电池SOC估计，构成双重自适应无迹卡尔曼滤波算法DAUKF，并详细分析了该算法的实现步骤。 通过测试装置完成锂电池在恒流放电、恒流充放电以及UDDS动态工况的动态测试，测试实验结果表明：本文采用双重自适应无迹卡尔曼滤波算法DAUKF估计锂电池SOC精度达到2%以内，相比传统的DUKF算法具有更强的估计精度和自适应跟踪能力。 |
| 作者： | 曹夏令 |
| 专业： | 控制科学与工程 |
| 导师： | 谢长君 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
