基于高斯过程回归的UKF锂离子电池SOC估计CSCD

高精度的电池荷电状态估计是电动汽车电池管理系统的关键技术之一,其估计精度直接影响能量管理效率和汽车的续航里程。传统的滤波方法基于模型来估计电池SOC,但难以建立锂离子电池精确的数学模型。针对此问题,提出一种基于高斯过程回归的无迹卡尔曼滤波(UKF)锂离子电池SOC估计方法,使用高斯过程回归在有限的训练数据下建立等效电路模型的测量方程,在UKF和高斯过程回归之间建立关联。该模型能够充分联合利用现有实验数据和被预测实时状态数据,实现SOC估计。结果表明,与传统UKF相比,基于高斯过程回归的UKF算法具有较高精确性。     

基于自适应扩展卡尔曼滤波的锂离子电池荷电状态估计CSCD

锂离子电池荷电状态(SOC)是电池管理系统(BMS)重要的参数之一,准确估计可以提高电池的使用寿命。然而在SOC估计过程中,会受到如测量设备的精度、噪声等外界因素的干扰,降低SOC的估计精度。为了提高SOC的估计精度,针对扩展卡尔曼滤波(EKF)算法易受噪声干扰,提出了以新息自适应扩展卡尔曼滤波来提高SOC的估计精度和稳定性。通过实验工况采集的数据,并与传统的EKF进行对比,估计误差可以控制在3%以内,验证了该模型的有效性。     

基于粒子群算法的最小二乘支持向量机电池状态估计CSCD

电池荷电状态(SOC)作为电池管理系统(BMS)重要参数之一,准确估计SOC尤为重要。由于SOC在估计过程中常会受到电压、电流、充放电效率等众多因素的影响,因此很难准确估计SOC。为了提高SOC的估计精度,本工作提出了基于最小二乘支持向量机(LSSVM)机器学习的锂离子电池SOC估计模型。将该电池的电流、电压和温度作为模型的输入向量,SOC作为模型的输出向量,为了更好的获得LSSVM模型的参数,提出了利用自适应粒子群算法来进行参数优化,从而获得高精度SOC估计模型。通过恒流充放电实验采集的数据,并和未优化的粒子群优化的LSSVM、支持向量机(SVM)神经网络(NN)相比,所提模型的SOC估计精度误差为1.63%,验证了算法的有效性。     

基于NARX动态神经网络的锂离子电池剩余寿命间接预测

锂离子电池的直接健康因子难以实现在线测量,针对此问题,提出一种基于动态神经网络时间序列的锂离子电池剩余寿命（Remaining useful life, RUL）间接预测方法。首先根据锂离子电池的放电数据,提出放电截止时间,恒流放电时间以及放电峰值温度时间三种间接健康因子并进行灰色关联分析（Grey relation analysis, GRA）。然后,基于非线性自回归（Nonlinear autoregressive models with exogenous inputs, NARX）动态神经网络建立锂离子电池RUL预测模型。最后将粒子群优化前馈神经网络（Back propagation neural network based on particle swarm optimization, BPNN-PSO）,最小二乘支持向量机（Least square support vector machine, LS-SVM）,极限学习机（extreme learning machine, ELM）,闭环（Closed-loop）NARX和开环（Open-loop）NARX进行对比分析,验证了所提方法的优越性。      

桥梁无线传感系统设计与分析

为满足桥梁监测的要求,对采集的数据实现无线传输,设计了数据无线采集传输系统.以STM微处理器和振弦式传感器为核心元件,对桥梁应变进行监测分析.分析了振弦式传感器的工作原理,对比分析了两种传统的激振原理,并结合两种激振方式的优缺点,提出了对低压扫频激振原理的改进方法,对激振电路进行了优化设计,同时设计了基于NRF905无线传感网络,完成了数据采集的无线发送和接收.实验结果表明:改进后的激振电路测量精度小于0.1％,系统工作稳定,无线传输功能满足桥梁监测要求.     

电动汽车电-液并联ABS制动系统能量回收研究

为了提高续驶里程,针对某款越野车改装的电动汽车制动系统,提出一种基于ABS的电-液并联制动系统。此系统采用固定比例的前后轴制动力分配方式,结合恒定充电电流与最大回馈功率复合的再生制动控制方式,以基于滑移率的PID控制ABS系统来调节电、液制动力比例,在确保制动安全可靠的同时实现制动能量回收。根据上述理论建立数学模型,并利用AMESim和Simulink进行联合仿真,在3种典型工况下分析制动性能和能量回收效率。结果表明：基于ABS的电-液并联制动系统综合制动性能良好,且3种工况下的一次制动最小能量回收效率分别达到28%、28%和11%。     

基于模糊控制的旋转倒立摆稳定性仿真研究

倒立摆是一个复杂的、非线性、不稳定的系统,通常采用数学建模的方法研究倒立摆系统,该方法复杂繁琐且在建模过程中简化约束条件,使仿真结果存在一定误差。在Matlab Simulink环境中基于Simscape模块进行倒立摆系统的建模;根据倒立摆系统的运行特征设计了新的模糊规则表,并基于此表建立模糊控制器;采用该模糊控制器在不同的条件下对倒立摆进行控制,取得了良好的控制效果。     

基于电功率回收型液压泵试验台的仿真研究

提出一种新型电功率回收型液压泵试验台。传统电功率回收型液压泵试验台回收的电压不稳定。为解决此问题,利用能量存储单元对电能进行转换,即回收 存储 反馈。对该试验台进行建模并进行仿真研究。结果表明：该电功率回收型液压泵试验台可以将加载能量转化为电能并回收,同时满足试验加载需求。回收的能量可通过的混合供电系统反馈至试验台系统。