详情

原文传递动力镍氢电池管理系统的研究

论文题名：	动力镍氢电池管理系统的研究
关键词：	动力镍氢电池;管理系统;充放电特性;性能指标;神经网络;模糊推理
摘要：	随着能源和环保问题的日益突出，混合动力电动汽车以其零排放，噪声低等优点而受到世界各国的高度重视，作为发展电动车的关键技术之一的电池能量管理系统，是电动车产业化的关键。本文致力于混合动力电动汽车蓄电池能量管理系统中电池荷电状态的预测研究，深入讨论了镍氢电池的充放电特性、内阻特性等，开展了对镍氢电池充放电容量的预测和估计方法的研究。主要研究工作以及研究成果如下：详细分析了镍氢蓄电池的基本工作原理、充放电特性以及影响蓄电池SOC(state of charge)剩余容量的主要因素，从多个方面对目前各种动力蓄电池的性能指标及优缺点进行了比较，发现镍氢蓄电池是较为理想的电动汽车动力源。研究了镍氢电池SOC的几种预测方法：即通过计算电池在充放电时的累积电量来估计电池的SOC的电量累积法；通过计算镍氢电池的内阻来计算电池SOC的内阻法以及通过测量电池的开路电压来估计SOC的开路电压法等等，比较了这些方法的优缺点，并提出了本文的基于模糊推理以及基于神经网络和模糊推理结合的SOC预测方法的思想。通过采用纯模糊推理方法来预测蓄电池SOC的结果发现，基于模糊逻辑MH/Ni电池建模及性能预测是可行的。模糊逻辑建模过程中未涉及电池内部复杂的物理化学反应，为电池管理系统地研究提供了一种新的思路和方法。但是传统的模糊系统不能自动地将人类专家的知识经验转化为推理规则库，此外隶属度函数的选择也具有很大的随意性，缺乏有效的方法来改进隶属函数以及减少输出误差或提高性能指标。本文在仔细分析模糊推理方法的局限性以及镍氢电池特性之后，寻找到模糊推理和神经网络结合的切入点，采用一种先进的智能控制策略--基于自适应神经网络的模糊推理系统ANFIS(Adaptive Neural-Based Fuzzy Inference System)来对镍氢电池SOC预测进行建模，这样就避免了主观选择隶属函数和模糊规则等缺陷。仿真结果表明与传统模糊推理相比，ANFIS的预测结果令人满意，从而为蓄电池SOC预测提供了一条新的思路。
作者：	张莹
专业：	应用化学
导师：	唐致远
授予学位：	硕士
授予学位单位：	天津大学
学位年度：	2007
正文语种：	中文