基于自适应滤波的电动汽车动力电池荷电状态估计方法

基于卡尔曼滤波法的电池组荷电状态(State of charge,SOC)估计方法适合于电流变化比较剧烈的混合动力汽车中电池组的SOC估计,但由于电池模型以及系统噪声、量测噪声统计特性的不确定性,容易引起滤波发散.研究联邦城市行驶工况,并对电池组进行充放电试验,建立单变量的镍氢电池组的状态空间模型.将SOC作为系统的状态,由于自适应滤波算法可以抑制滤波发散,基于自适应滤波算法研究镍氢电池组的SOC估计方法.台架试验表明该方法具有较高的估计精度和可靠性,计算量小,更适用于实际应用.     

镍氢电池组的荷电状态估计方法研究

采用联邦城市行驶工况(FUDS)对电池组进行充放电试验,建立了单变量的镍氢电池组的状态空间模型。将电池荷电状态(State of charge, SOC)作为系统的状态,基于卡尔曼滤波进行SOC的估计,估计结果的最大相对误差为2.15%。该方法适合于电池工作为动态的混合动力汽车,也同样适用于那些电池状态变化不剧烈的场合,并且具有较小的计算量。     

电动汽车蓄电池参数监控系统研究

简述了一种电动汽车用的动力蓄电池参数监控系统设计过程,详细讨论了其系统构成、工作过程以及蓄电池状态估计算法的实现.并结合台架试验对系统的实用性和准确性进行了验证.结果表明,应用本系统电池状态估计精度高,符合电动汽车对电池管理的要求.     

基于Peukert方程的动力电池荷电状态卡尔曼滤波估计算法

电池荷电状态（SOC）受到温度、电流、循环寿命等因素的影响,Peukert方程是一种很好的计算电池容量方法。传统Peukert方程没有考虑温度的影响,而温度变化会导致Peukert方程常数n和K的变化。因此,建立了基于温度和电流变化的Peukert方程,利用安时法和复合电化学模型建立电池模型状态方程和测量方程,采用扩展卡尔曼算法实现电池荷电状态动态估算。结果显示,基于温度修正Peukert方程的镍氢电池荷电状态估计算法精度比传统安时法提高7%~8%。     

基于扩展卡尔曼滤波的锂离子电池荷电状态估计

针对电池荷电状态（SOC）难以准确估计的问题,采用扩展卡尔曼滤波方法来提高SOC的估计精度。首先以磷酸铁锂电池为研究对象,建立了电池的PNGV等效电路模型,并采用充放电实验和离线辨识的方法得到模型中的参数,得到了开路电压、欧姆内阻、极化内阻和极化电容与SOC的多项式函数关系;然后,对模型进行验证,并分析了模型的准确性;最后,在实际工况下,运用扩展卡尔曼滤波方法估计锂离子电池的SOC值,并与安时法计算的SOC值进行比较。结果表明,PNGV模型结合扩展卡尔曼滤波方法估计的锂离子电池SOC值的最大误差仅为2.78%,提高了电池SOC的估计精度。     

电流信号采样偏差下动力电池荷电状态估计研究

电动汽车电池管理系统实际运行的过程中,电流信号易受到有色噪声的干扰而产生信号采样偏差,这会造成荷电状态(Stateofcharge,SOC)估计精度的急剧下降。针对该问题,分析电流信号分别在两种不同类型的有色噪声干扰下的SOC估计问题,提出一种三层组合估计结构用于同时实现电流采样信号的校正、电池模型参数的在线更新以及SOC的高精度估计。该组合结构首先基于状态扩维后二阶RC等效电路模型,并利用自适应重组遗传算法(Adaptive recombination genetic algorithm,ARGA)辨识出模型参数,由自适应平方根容积卡尔曼滤波(Adaptive square root cubature Kalman filter,ASRCKF)算法在线校正产生偏差的电流信号;然后基于校正后的电流信号和二阶RC模型,通过偏差补偿遗忘因子递推最小二乘(Bias compensation recursive forgetting-factor least squares,BCFRLS)算法与ASRCKF算法相结合进行协同估计,实现模型参数和SOC值的在线更新。最后在DST工况下进行验证,试...     

新能源公交车电池荷电状态预测模型

为了优化充电策略,缓解里程焦虑,提出一种新能源公交车电池荷电状态预测模型。这一模型可以根据车辆内部因素和外部因素,预测下一趟新能源公交车的电池荷电状态消耗量。在实际工作中,新能源公交车电池荷电状态同时受到车辆内部因素和外部因素的影响。通过机器学习方法,对十辆新能源公交车1 a的数据进行分析,提取若干车辆内部因素作为特征,并通过对车辆行驶环境进行分析,提取若干外部因素作为特征。这一模型采用主动状态跟踪-长短时记忆神经网络,可以主动学习特征中的时间依赖性,筛选出有用信息。通过对模型结构的删减验证了模型的有效性,模型均方根误差为3.812%。     

基于模糊卡尔曼滤波器的锂电池荷电状态与健康状态预测

针对当前锂电池荷电状态(State of charge, SOC)与健康状态(State of health, SOH)预测精度较低的问题,提出了一种基于模糊卡尔曼滤波器的预测方法。采用非线性二阶电阻电容模型表示锂电池,并通过最小二乘误差优化算法对模型参数进行估计,从而更准确地确定蓄电池容量作为SOH值的基础。扩展卡尔曼滤波器(Extended Kalman filter, EKF)可在初始SOC值未知的情况下对其进行准确预测,而模糊逻辑有助于消除测量和过程噪声。仿真结果表明,在城市测功机驱动计划期间(Urban dynamometer drving schedule, UDDS)测试中最大的SOC估算误差是0.66%;通过离线更新卡尔曼滤波器,可对电池容量进行估计,结果表明,最大估计误差为1.55%,从而有效提高了SOC值的预测精度。     

基于DSP的电动汽车超级电容控制器

介绍了采用超级电容器系统的电动汽车用控制器。该控制器目的是提高汽车加速性能和回收再生制动能量,辅助电池供电。一个双向DC／DC变换器被用来实现超级电容器和电池之间的充放电控制。基于DSP的软硬件设计实现了对整个系统的检测与控制策略的实现。     

一种基于TMS320F2812的电动汽车电驱动系统

详细介绍了一种基于DSP TMS320F2812的电动汽车电驱动系统的设计方案.该方案中的硬件主要包括逆变器及其驱动电路,传感器、保护信号及接口电路,信号处理电路3大模块,并结合驱动电路,提出了一种简单易行的限流保护技术.在软件方面,主要强调了电流采样问题,研究了不同PWM控制对转矩的变化.实验表明,采用该方案,电动汽车运行安全可靠,而且可以有效地降低成本.     

基于遗传神经网络的电动汽车锂电池SOC预测

针对传统方法在电动汽车锂电池荷电状态（State of Charge,SOC）预测中的局限和不足,提出了一种基于遗传神经网络的电池SOC预测算法.该算法的整体方案首先给出了车载锂电池状态监测系统的软硬件实现,在该系统上以不同的放电倍率对磷酸铁锂电池进行了放电实验,获取了其放电过程中电压、电流和SOC的样本数据,然后利用遗传算法全局寻优能力对神经网络中的连接权值和阈值进行了优化,用实验所得的样本数据训练BP神经网络,根据训练好的神经网络对锂电池SOC进行了预测并将其与真实SOC进行对比,以验证算法的可行性.研究结果表明,该方案可通过电压、电流的实时测量值获知锂电池的剩余电量,具有收敛速度快、预测误差小、适应范围广的特点,有效解决了电动汽车锂电池的SOC预测问题.     

5基于改进型采样点卡尔曼滤波的矿用电池SOC估计

为了实时、准确地估计矿用电池SOC值,通过采用加权统计线性回归法实现模型函数线性化,将采样点卡尔曼滤波技术应用到矿用电池SOC估计中.针对有限的电池管理系统资源,基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点,提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法;为了使得该算法具有应对突变状态的强跟踪能力和应对模型不准确的鲁棒性,引入了奇异值分解,采用特征协方差矩阵代替误差协方差矩阵,并基于强跟踪原理引入了次优渐消因子.仿真结果表明,基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量,并具有跟踪突变状态和应对模型不准确的鲁棒性,完全适用于资源有限的矿用电池SOC估计;可见,该算法具有良好的实际应用价值.     

基于ARM和DSP的齿轮噪声测试系统

为了解决齿轮噪声传统测量方法受人为因素影响较大的弊端,开发了一套基于ARM和DSP芯片的便携式齿轮噪声测试系统,利用DSP强大的运算能力完成了噪声信号的采集与数据的预处理;基于ARM下的嵌入式系统操作平台WinCE6.0开发了一套齿轮噪声信号分析及图形显示软件,结合触摸屏系统完成了测试参数的输入和通信设置,并在北京齿轮总厂进行了相关的实验。研究结果表明,该系统可以分析齿轮毛刺等齿轮噪声信号,可用于齿轮加工工艺的分析。     

AGM电池荷电状态与开路电压关系研究

通过对车用AGM电池在不同环境温度下荷电状态（SOC）与开路电压（OCV）的关系研究,发现AGM电池在其规定的工作温度范围内,其SOC与OCV有着良好的线性关系,为开发基于开路电压和电池温度的电池管理策略提供了理论依据。     

基于DSP的三相高频逆变器

针对三相串联谐振负载由于参数的差异而导致谐振频率出现差异甚至相差比较大时,系统难以有效地跟踪谐振频率,电源可靠性降低等问题,提出了一种三相高频逆变器简单可靠的解决方案。采用数字信号处理器(DSP)TMS320F28035作为核心控制芯片,采用双环结构控制方式,利用电流外环实现了输出电流的有效调节,利用数字锁相环(DPLL)对逆变器输出频率进行了实时控制,实现了逆变器工作频率对负载谐振频率的有效跟踪。为了克服系统进入容性工作状态的问题,增加了限相环节,使逆变器工作在感性状态,从而实现了IGBT的零电流开通以及二极管自然换流,降低了开关损耗,提高了电源的可靠性。理论分析与实验结果表明,该方案实现简单、控制稳定、工作可靠,为相关的系统研究打下了良好的基础。     

基于DSP的高频电液激振台控制器

为了实现对2D电液伺服阀双自由度的控制,将DSP技术应用到高频电液激振台控制系统的构建中。通过对步进直线电机和同步伺服电机的调控,实现了对2D电液伺服阀阀芯开口的精确定位和对阀芯转速的控制,同时实现了与上位机的通信。利用数字滤波对采集信号进行处理,提高了控制精度,并通过控制算法实现了在非线性失真下的跟踪控制,消除了电机失步和速度突变。详细阐述了控制系统的硬件结构和软件设计。实验结果表明,该控制系统稳定可靠,能随着阀芯轴旋转运动和轴向滑动实现激振频率和幅值的独立控制。     

基于DSP的新型电参数测量仪设计

针对电机型式试验中的电参数测试,设计了一种基于DSP的新型电参数测量仪。详细论述了整个系统的硬件构架与软件算法,该系统通过采用高精度A/D转换器、DSP芯片以及上位机来完成电压、电流、功率、功率因数及频率的测量与数据的输出显示。对于中小型电机,测量仪既可测三相交流电参数,又可同时测量单相交流与直流电参数;当被测对象为直流有刷电机时,还能测量其转速;测试量程根据输入电流、电压的大小自动进行切换。测试结果表明该系统精度高,运行稳定可靠,能够满足实际需求。     

基于双DSP和FPGA的导航处理系统设计

机电技术的发展为惯性测量系统的大量应用奠定了基础。针对深海导航应用场合,为了提高深海惯性导航的精度和实时性,设计了基于双数字信号处理器（DSP）和可编程逻辑门阵列（FPGA）的捷联惯性导航计算机,成功构建了低成本、小型化的捷联惯性导航系统（SINS）。重点描述了双DSP和FPGA导航计算机的硬件设计思路。扼要介绍了系统软件的框架结构。与目前大多数的惯性导航系统相比,该系统体积小、重量轻、功耗低,适用于运算复杂的嵌入式惯性导航系统。实验室车载实验结果证明了上述设计的正确性和可行性。     

基于DSP和nRF24L01的无线直流伺服电机控制器设计

针对自定心三爪测头尾端的线芯数较多,电缆比较粗和硬的问题,将无线控制直流伺服电机的技术应用到系统中,提出了一种基于DSP和nRF24L01的无线控制直流伺服电机的方法。该系统的主控制芯片选用TMS320F2808,无线通信模块选用nRF24L01,电机驱动部分采用驱动芯片+MOS管形式,驱动芯片选用IR2130,MOS管选用IRFU3806。论述了系统各硬件模块的选择方案,给出了部分的软件设计,包括无线发射与接收的程序流程图,以及PWM、QEP、ADC的初始化程序。最终设计了一长条形无线直流伺服电机驱动器放在测头内部,从而减少了测头尾端的线芯数,提高了测量精度和测量操作的便捷性。研究结果表明,通过采用直流伺服电机的电流控制模式,能实现测头三爪平稳地伸出与收回,测头电机运行平稳可靠。     

基于DSP的光纤测头信号采集与处理系统设计

为实现光纤布拉格光栅(FBG)三维测头三路光纤信号的同步采集与快速处理,设计了一种基于数字信号处理器(DSP)的嵌入式信号采集与处理系统.系统采用的TMS320F2812处理器,其主频为150 MHz,结合AD7656模数转换器,可6通道同步采样,转换精度为16位,实现了三路光纤信号的同步采样和实时对三路信号做求和运算...