辅助混合动力电动汽车技术研究(Ⅶ)——混合动力电动汽车电池荷电状态估计

为了对混合动力电动汽车用电池组荷电状态进行精确估计,减少电量累积方法前期试验的工作量和运行中的误差累积,研究和应用了卡尔曼滤波法．在电池等效电路模型的基础上,建立了电池组系统的状态方程和测量方程,根据汽车运行时对电池电流和电压的实时检测数据,通过滤波算法估计模型中的开路电压,并由此计算电池组的荷电状态．实验表明,卡尔曼滤波在电动汽车电池组荷电状态估计方面具有应用潜力．     

锂离子电池健康状态估计方法

为研究动力锂离子电池的健康状态( state of health,SOH),根据SOH和荷电状态( state of charge,SOC)的定义以及电池的二阶电阻电容( resistance-capacitance,RC)等效电路模型,建立了基于恒流充电阶段电池电压曲线的SOH估计模型。通过分析电池循环寿命测试数据,利用恒流充电阶段电池电压曲线对SOH进行估计,并与试验数据进行了对比,在SOH值衰减至80%之前,SOH估计的相对误差均在±2%范围内,能较好地吻合试验结果。结果表明：所提出的估计方法具有可行性和精确性。     

基于几何特征与流形距离的锂电池健康评估

作为实现电池健康管理的有效途径,精准的荷电状态估计和健康衰退状况评估能够很好的解决锂离子电池在实际使用过程中面临的可靠使用和安全管理问题。 考虑到现有电池健康衰退状况评估方法将监测数据放在欧氏空间进行分析,因而扭曲了数据的本质结构导致工况适用性差,利用流形学习挖掘隐藏在电池监测数据中的健康信息,并在流形空间中对锂离子电池健康状态进行度量。进行实例分析并对该方法的有效性进行了验证。     

全钒液流电池荷电状态的分析与监测

液流电池是一种新型的电化学储能系统，正负极全使用钒盐溶液的称为全钒液流电池，简称钒电池．其荷电状态100％时电池的开路电压可达1．5V．用充放电实验研究全钒液流电池的性能时，有必要确定在充放电过程中电池的荷电状态．钒电池中各种价态离子含量的测定方法有电位滴定和分光光度法，确定正负极溶液中各价态离子含量就可知电池荷电状态．本实验提出用开路电压监测荷电状态的方法．在正负极反应迭热力学平衡时电池的开路电压等于电池电动势，利用Nernst方程可求得电池的荷电状态，而且这种测量方法简单，不会造成电池的客量损失，具有实用价值．由紫外-可见光谱证实电解液中的V（V）主要以单体形式存在．     

基于uC／OS—Ⅱ操作系统纯电动汽车锂电池管理系统

设计了以ARM处理器STM32为主控芯片。移植uC／OS-Ⅱ实时操作系统来实现任务调度的电池管理系统,包括锂电池参数采集模块、均衡模块、控制器区域网路通讯模块、充放电控制模块等。锂电池采集模块采集到各个锂电池的电压、温度、电流等参数通过CAN总线与主控芯片进行通讯。主控芯片根据采集的参数控制电池的能量均衡,保护电池安全,估算电池荷电状态并在LCD液晶显示屏显示电流、温度、电压和电池荷电状态信息。该系统能较准确估算电池荷电状态,快速实现多个电池之间的均衡,可扩展性良好。     

基于uC/OS-II操作系统纯电动汽车锂电池管理系统

设计了以ARM处理器STM32为主控芯片, 移植uC/OS-II实时操作系统来实现任务调度的电池管理系统,包括锂电池参数采集模块、均衡模块、控制器区域网路通讯模块、充放电控制模块等。锂电池采集模块采集到各个锂电池的电压、温度、电流等参数通过CAN总线与主控芯片进行通讯。主控芯片根据采集的参数控制电池的能量均衡,保护电池安全,估算电池荷电状态并在LCD液晶显示屏显示电流、温度、电压和电池荷电状态信息。该系统能较准确估算电池荷电状态,快速实现多个电池之间的均衡,可扩展性良好。     

基于支持向量回归的锂电池健康状态估计

针对锂电池动态工况下健康状态估计困难的问题,设计了一种基于支持向量回归机的健康状态估计方法.提取电池运行时可监测的电压、电流、温度、荷电状态融合成一种新的健康因子,采用支持向量回归机的方法训练得到健康状态估计模型,并选用网格寻优算法对模型的参数进行优化,实现基于可监测参数的动态工况下的锂电池健康状态估计.仿真结果表明,本文选取的健康因子能准确地反映电池的健康状态,健康状态的平均估计精度在1%以内.     

基于分数阶模型的分阶段自适应锂离子电池荷电状态估计

提出一种分阶段自适应锂离子电池荷电状态(state of charge,SOC)估计方法.选取含有常相位元件(constant phase element,CPE)的分数阶模型,以更好地描述电池的充放电动态过程,并采用改进型遗传算法(genetic algorithm,GA)对分数阶模型进行参数辨识,从而增强参数辨识的...     

线控转向汽车传感器的容错控制

以基于最优滤波理论的自适应渐消Kalman滤波技术的状态估计器为基础,提出了一种新的线控转向汽车主要传感器的容错控制方法,并进行了硬件在环仿真验证。结果表明:该方法可以应用于线控转向汽车传感器的容错控制,能够有效提高线控转向汽车传感器的可靠性和安全性。     

基于温度和SOC的锂离子电池特征提取及SOH估计

为了解决电池日常使用过程中数据量获取不足和健康因子提取难的问题，通过分析不同温度下锂离子电池的荷电状态(SOC)与充电电压的变化曲线，提出基于温度和SOC的锂离子电池健康因子提取及健康状态(SOH)在线估计的方法.在电池的实际充电过程中，根据环境温度差异选取电压和电流作为健康因子.利用遗传-爬山算法优化极限学习机的网络参数，建立健康因子和SOH的映射关系，实现SOH在线估计.使用9组NASA电池老化数据进行验证，结果表明，本文方法具有估计精度高、环境温度适应性强的优点.     

UTSTF锂离子电池时变参数估计与故障诊断

针对锂离子电池的参数偏差型故障诊断问题,提出基于无迹变换强跟踪滤波器（UTSTF）的电池时变参数估计与故障诊断方法.建立电池的开路电压（OCV）-荷电状态（SOC）特性曲线与一阶等效电路模型;将电池参数加入状态变量,建立状态与参数的联合状态空间方程,通过UTSTF算法得到电池参数的实时估计结果,并根据估计值设计故障诊断算法流程;以电池内部的接触型故障与扩散型故障为例,在变温环境下模拟故障发生并进行电池充放测试,得到电池参数在UTSTF与无迹卡尔曼滤波（UKF）下估计值与真实值的对比.实验结果表明,所提方法对于电池故障参数具有良好的跟踪效果、较高的估计精度与诊断可靠性.     

燃料电池混合动力系统输出功率跟随研究

为提高燃料电池混合动力系统功率输出的动态特性,并提高其经济性,在基于DC/DC变换器微分平坦控制的基础上提出了基于高效率功率跟随的混合能量管理策略,建立了包括燃料电池、锂电池、DC/DC变换器和负载等部件的数学模型,并进行了仿真实验。研究结果表明:基于微分平坦控制的DC/DC变换器控制方法能够改善系统的动态响应,修正后的电池的荷电状态(SOC)维持且接近期望SOC值;燃料电池的高效率功率跟随控制策略可以实现系统功率的合理分配,使得混合动力系统可以更安全、高效地运行。     

基于V-R模型与卡尔曼滤波器的蓄电池SOC估计

蓄电池组广泛应用于UPS系统中,荷电状态(SOC)是表征蓄电池状态的重要参数之一.在线准确估算蓄电池SOC,有利于开展对蓄电池的状态诊断、维护,保证电池组安全供电.通过对阀控铅酸电池作了大量的充放电试验,根据试验数据应用最小二乘法进行辨识,获得蓄电池SOC的端电压-电阻的计算模型,运用卡尔曼滤波器算法,对SOC做最优估计.经实验验证和仿真,得到了蓄电池SOC最优估计结果,具有很好的精确度,表明该方法能够在工程上用来估算蓄电池的SOC.     

基于EKF-UKF模型的锂电池电源参数更新和估计

由于对锂电池的电量参数直接建模存在困难,不便于实现对电源参数的估计,本文提出基于EKF-UKF模型算法直接对锂电池的状态参数进行建模。应用EKF算法获取的电池模型参数、UKF算法观测锂电池的荷电状态,在实现对锂电池进行电量估计的同时,完成对电池模型参数的实时更新,有效地减少漂移电流对估算精度的影响。工况测试表明:这种复合算法复杂度低,能快速实现对锂电池的参数估计,且具有较高的估计精度和鲁棒性。     

Real-time optimization power-split strategy for hybrid electric vehicles

Energy management strategies based on optimal control theory can achieve minimum fuel consumption for hybrid electric vehicles, but the requirement for driving cycles known in prior leads to a real-time problem. A real-time optimization power-split strategy is proposed based on linear quadratic optimal control. The battery state of charge sustainability and fuel economy are ensured by designing a quadratic performance index combined with two rules. The engine power and motor power of this strategy are calculated in real-time based on current system state and command, and not related to future driving conditions. The simulation results in ADVISOR demonstrate that, under the conditions of various driving cycles, road slopes and vehicle parameters, the proposed strategy significantly improves fuel economy, which is very close to that of the optimal control based on Pontryagin’s minimum principle, and greatly reduces computation complexity.     

一种故障干扰解耦的航天器主动容错控制方法

为提高航天器系统的可靠性,研究一种干扰影响下的航天器主动容错控制技术. 首先,为实现干扰下的故障诊断,减小航天器系统故障检测到故障估计之间的时间延迟,通过将故障扩展为系统状态量,设计未知输入观测器,进行航天器故障检测及估计单元一体化设计. 其次,考虑到此方法无法实现对干扰的估计,且仅能解决可导的故障类型,进一步设计新型的自适应滑模未知输入观测器,能够保证对干扰及故障的同时解耦估计,也可以解决更广泛的故障类型. 最后,考虑观测器观测过程中的估计误差,设计了多变量终端滑模容错控制器,提高了控制性能. 仿真结果表明:所设计的主动容错控制策略能够实现干扰影响下的故障诊断,可以保证航天器控制性能的快速恢复.     

基于 SHEKF-GPM 融合的锂电池 SOC 估算

荷电状态（SOC）是电池控制策略和管理系统的重要参数。针对积分法和电压法估算锂电池 SOC 时不能减少误差累积现象,提出一种基于平方根高阶扩展卡尔曼滤波（SHEKF）与灰色预测模型（GPM） 融合的算法,用于估算锂电池 SOC。该方法结合遗忘因子递推最小二乘法（FFRLS）和二阶 RC 等效电路模 型实时在线辨识和修改锂电池模型参数,结合 SHEKF-GPM 融合模型进行锂电池 SOC 状态方程的线性部分 和非线性部分估算。通过仿真分析,得到 SHEKF-GPM 融合算法估算 SOC 时的误差低于 0.3%,协方差误 差为 0% 左右,不会产生误差累积。仿真结果表明,该方法能减少误差累积,提高电池管理系统估算锂电池 SOC 时的实用性、有效性和估算精度。     

基于容错逆变器的永磁同步电机直接转矩控制

提出一种具有容错能力的最小开关逆变器，对采用该容错逆变器取代常规六开关逆变器的永磁同步电机（PMSM）直接转矩控制（DTC）系统进行了深入研究.当容错逆变器的开关器件发生故障或电机发生故障时，此逆变器可重构为2种四开关逆变器.进一步建立了四开关逆变器的模型，提出了针对故障隔离后四开关逆变器供电的PMSM系统的新型DTC策略.对正常及故障状态下容错逆变器供电的PMSM DTC系统进行了仿真研究和实验验证.结果表明，基于容错逆变器的PMSM系统在故障状态下采用新型逆变器拓扑结构以及新型DTC策略后，可持续稳定运行，并保持了良好的动态性能.     

Control strategy for hybrid tracked vehicles using fuzzy logic

To solve the problem of power distribution for hybrid tracked vehicles (HTV), a supervisory control strategy is proposed. Firstly, power system integration is analyzed and modeled. Then the control algorithm is given. Two fuzzy logics are used to realize the coordination control over each power unit. One controls power distribution based on the load power and battery state of charge (SOC). The other manage the power during regenerating braking. To validate the presented control strategy, a "driver and controller" in the loop simulation platform is built based on dSPACE system and real-time simulation is made. The simulation results show that the strategy presented can solve the power distribution problem of hybrid tracked vehicles correctly and effectively.     

基于HSMM的铝空电池后期SOC估计

电池荷电状态 (SOC) 的估算精度是影响新能源汽车性能的重要因素之一。传统的安时法由于累积误差较大始终无法满足精确的SOC估计。该文采用基于隐半马尔可夫模型 (HSMM) 的SOC预测作为安时法的一个补充, 使铝空电池后期估计精度可以得到保障。该模型的每个不同状态产生多组观察值, 根据各个状态之间的转换概率以及状态驻留时间可以比较准确地预测后期各个状态下的剩余寿命。经过实验仿真验证, 与单一的安时法相比, 结合HSMM的SOC估计精度在后期有较大提升。