智能計算在電動汽車行動力管理中的應(yīng)用研究.pdf

1、電動汽車的動力電池容量有限,充電時間較長,使用壽命較短等問題限制了電動汽車的推廣與使用。為尋找新的管理模式和商業(yè)模式提出開展電動汽車行動力管理的研究,同時,神經(jīng)網(wǎng)絡(luò)算法、蟻群算法等智能算法在行動力管理系統(tǒng)中有著較好的應(yīng)用。
　　為了對荷電狀態(tài) SoC(State of Charge)、電池健康狀態(tài) SoH(State of Health)等信息進(jìn)行有效的估算與分析,需要對車載數(shù)據(jù)進(jìn)行實(shí)時地監(jiān)測。因此,通過對動力電池電壓、電流、溫度

2、監(jiān)測方式的具體分析,分別在兩臺電動汽車上建立了兩套完整的行動力信息監(jiān)測系統(tǒng),并實(shí)現(xiàn)了數(shù)據(jù)的遠(yuǎn)程傳輸和多客戶端顯示,試驗(yàn)獲得的數(shù)據(jù)達(dá)到后續(xù)計算所需的精度。
　　針對動力電池 SoC估算的難點(diǎn),提出基于神經(jīng)網(wǎng)絡(luò)和擴(kuò)展卡爾曼濾波的SoC估算算法。先通過RBF(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)對SoC、電流、端電壓三者的非線性關(guān)系進(jìn)行辨識,再利用擴(kuò)展卡爾曼濾波算法估算 SoC。試驗(yàn)結(jié)果表明,該算法可以保證 SoC估算精