版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、動力電池組是混合動力車和電動車的核心零部件。為了保證動力電池組能夠正常安全有效工作,汽車必須配置特定的電池管理系統(tǒng)。該系統(tǒng)需要實現(xiàn)電池組的荷電狀態(tài)(SOC)、有效功率、壽命等特性的估計,并且能夠完成電池單體間平衡。其中,SOC動態(tài)實時估測一直是目前動力電池管理系統(tǒng)的核心,是反映動力電池運作狀態(tài)的主要參數(shù),可以為整車控制策略提供判斷依據(jù)。為此,本文研究了動力電池SOC動態(tài)估測方法與實現(xiàn),其具體內(nèi)容如下:
(1)簡要分析了在混
2、合動力車中電池組的運行環(huán)境與電動車和便攜式設備之間的差別,并通過文獻資料深入了解動力電池國內(nèi)外應用現(xiàn)狀和所需要解決的關鍵問題。
(2)對目前電池的建模方法進行總結,并建立含有遲滯因素的電池模型。通過Matlab/Simulink軟件中電池模塊的仿真實驗獲得的數(shù)據(jù)實現(xiàn)了對電池模型參數(shù)的離線辨識。
(3)對目前幾種傳統(tǒng)的動力電池SOC估計方法進行比較分析,提出了利用自適應無跡卡爾曼濾波算法(AUKF)實現(xiàn)電池SO
3、C的在線估計。然后通過仿真實驗得到電池脈沖充放電的特性曲線對這一算法進行了驗證(4)針對離線辨識的缺點,結合參數(shù)在線辨識的概念提出了基于AUKF的雙重卡爾曼濾波算法(ADUKF)。利用仿真實驗的結果對ADUKF算法進行了實驗驗證,結果表明該算法能夠取得更加穩(wěn)定和精確的SOC估計值。然后,根據(jù)估計結果對模型做了相應的改進,從而取得了更加有效的SOC估計方法。
(5)設計了一種簡易的電池充放電方法,并對動力電池進行了簡單實驗。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于雙重自適應無跡卡爾曼濾波器的鋰電池SOC估計研究.pdf
- 基于卡爾曼濾波的動力電池SOC估計算法設計.pdf
- 基于改進迭代中心差分卡爾曼濾波器的鋰電池SOC估計算法的研究.pdf
- 基于改進卡爾曼濾波算法的SOC估計方法研究.pdf
- 基于雙卡爾曼濾波算法的磷酸鐵鋰電池建模及SOC估計.pdf
- 基于卡爾曼濾波的動力電池組SOC精確估計.pdf
- 基于強跟蹤卡爾曼濾波的車用鋰電池SOC估計算法的研究.pdf
- 基于卡爾曼濾波器的系統(tǒng)狀態(tài)估計和故障檢測.pdf
- 基于無跡卡爾曼濾波的動力鋰電池SOC估計與實現(xiàn).pdf
- 基于改進強跟蹤濾波器的鋰電池SOC估計算法的研究.pdf
- 卡爾曼濾波器的應用
- 基于卡爾曼濾波器的雷達目標跟蹤
- 基于改進卡爾曼濾波器的電力系統(tǒng)諧波估計研究.pdf
- 譯文--卡爾曼濾波器介紹
- 什么是卡爾曼濾波器
- 基于卡爾曼濾波器的管道泄漏增強研究.pdf
- 基于卡爾曼濾波器算法的徑向基神經(jīng)網(wǎng)絡訓練算法研究.pdf
- 基于卡爾曼濾波器的抗遮擋車輛跟蹤算法.pdf
- 擴展卡爾曼濾波器的目標機動信息估計研究
- 卡爾曼濾波器及matlab代碼
評論
0/150
提交評論