论文部分内容阅读
近年来由于能源危机、环境污染等诸多因素再次使电动汽车成为世界关注的对象,而动力电池作为电动汽车的核心部分也成为时下的研究热点之一。荷电状态(SOC)作为电池的重要参数对电池管理系统具有重要意义,精确的SOC值有利于提高电池的使用寿命和保障电动汽车的行驶安全。本文就锂离子电池参数在线实时辨识方法及提高SOC实时估计精度问题上做了以下研究:通过对影响精确估计电池SOC的相关因素进行研究,对几种发展比较成熟的SOC估计算法进行对比分析,提出使用多种算法联合对锂离子电池的荷电状态进行实时估计。电池模型作为算法的实现基础,需要有较高的仿真精度,本文通过对常见电池模型的拓扑结构的优缺点进行对比分析,建立了适合动力锂电池工作的二阶RC网络等效电路模型,并在此基础上研究了基于电池模型的参数离线辨识方法。根据辨识结果在SIMULINK环境下搭建RC等效电路仿真模型,并将几种常用工况下的电流作为模型的输入验证了所搭建模型具有很好的精确性。因电动汽车在实际工作中受多种因素的影响,使得动力电池工作时的相关参数并不恒定,因此本文对锂电池参数在线辨识方法进行了重点研究。针对在线辨识过程中出现的数据饱和、动态运行环境的复杂性等问题,本文使用自适应多遗忘因子递推最小二乘法实现等效电路模型的参数在线实时辨识过程,并在MATLAB环境下验证了辨识结果的正确性。其次对锂离子电池SOC的估计算法展开研究,针对锂离子电池的非线性特性,本文使用安时积分法、扩展卡尔曼滤波算法及与参数辨识相结合的联合算法分别对电池的荷电状态进行估计,仿真结果表明联合算法不仅具有较强的鲁棒性,且对SOC的估计结果具有较高的精度。最后,对仿真软件ADVISOR搭建的纯电动汽车整车模型进行参数设置,并在CYC_ECU_EUDS和CYC_NYCC组合成的行驶工况下进行仿真实验。根据得到的电池电流、电压等信息来实现联合算法对电池SOC的实时估计,仿真结果进一步验证了联合算法在动态工况下的有效性和精确性。