基于QPSO神經網絡的電動汽車電池SOC模型的建立及研究.pdf

1、隨著全球能源危機與環(huán)境惡化問題的日益突出，電動汽車以其節(jié)能、環(huán)保無污染等優(yōu)點，成為21世紀汽車工業(yè)發(fā)展的主要方向。動力電池及電池管理系統(tǒng)(BMS)是電動汽車的關鍵部件，快速準確地進行剩余荷電狀態(tài)(SOC)估算對提高電池使用壽命和整車性能具有重要意義。但是由于電池在使用過程中表現較強的非線性特點，使得電池SOC難以精確估算，成為電動汽車領域的技術難題之一。本文對電動汽車磷酸鐵鋰電池SOC估算進行了研究，主要內容如下：
　　第一章，介

2、紹了電動汽車的開發(fā)背景、研究現狀和前景，著重介紹了電動汽車電池管理系統(tǒng)(BMS)的國內外研究現狀，指出SOC估算在電動汽車動力電池管理系統(tǒng)中的重要性，敘述了本文的主要研究內容。
　　第二章，分析SOC估算相關的理論并對其做出總結。比較分析幾種常用的動力電池，重點介紹磷酸鐵鋰電池的工作特性、影響SOC的因素，綜合比較幾種傳統(tǒng)的估算電池SOC的方法如開路電壓法、Ah計量法、電阻測量法等，并提出了本文的基于人工神經網絡的SOC估算方法的

3、思想。
　　第三章，簡單介紹了人工神經網絡理論和BP神經網絡模型。結合磷酸鐵鋰電池特性和電池SOC影響因素，建立基于BP神經網絡的電池SOC估算模型。通過對梯度下降法、基本微粒群算法、量子微粒群算法的比較，確定量子微粒群算法作為電池SOC估算模型的學習算法，通過修正收縮擴張系數β來控制算法的收斂性，避免早熟現象。建立電池SOC估算模型，用QPSO優(yōu)化算法訓練BP-ANN網絡。
　　第四章，設計電池SOC監(jiān)測系統(tǒng)。根據磷酸鐵鋰