论文部分内容阅读
随着对汽车环保节能要求的不断提升,新能源汽车的市场需求正逐步扩大,混合动力汽车是其中广受欢迎的类型。其中,深度混合动力汽车因具有良好的驾驶体验和节油效果,深受消费者喜爱。深度混合动力汽车主要采用镍氢动力电池,其电池管理系统(BMS)对整车和电池的性能提升有重大意义。其中,SOC估算是BMS最关键的功能模块之一,只有明确了电池当前状态下的SOC,才可以对电池的充放电设置做出精准合理的判断和控制。而且在深度混合动力汽车的工况下,电池充放电状态变化频繁,镍氢电池的极化效应比较明显,使得SOC的估算难度增加。所以,论文以863项目和上海市经信委项目为依托,着重研究深度混合动力车用镍氢动力电池模型动态辨识及SOC动态估算方法,选题具有实用价值。论文作者针对深度混合动力汽车的使用特点和镍氢动力电池充放电特性,采用Matlab/Simulink、安时积分、集员滤波、拓展EMF、因素加权等方法,结合试验结果,开展了深度混合动力汽车用镍氢动力电池组模型动态辨识与SOC估算的研究,本文的主要研究内容与创新点是:(1)在对深度混合动力汽车工况和镍氢动力电池充放电特性的研究的基础上,对电池的极化因素进行分离,建立了可拓展的二阶等效RC模型,并结合模型静态参数检验了电池模型的精确度。(2)基于深度混合动力汽车参数随外界因素实时变化的情况,建立了模型参数动态辨识方法。主要运用模型的基本原理和累积变化概念,对模型进行状态与时间更新,并运用UD分解算法实现了镍氢动力电池的动态参数辨识,比普遍使用的静态参数辨识更符合深度混合动力汽车的实际工况。(3)基于对镍氢电池的试验研究和建立的模型,比较了各种常用SOC估算算法的适用范围,在综合了拓展EMF法、安时积分法和集员滤波法的基础上,考虑不同方法的适用范围与工程经验,设计了综合性加权算法,并给出了加权因子,提出了在深度混合动力实车工况下镍氢动力电池的动态SOC估算方法。(4)针对深度混合动力汽车镍氢动力电池难以获取准确且可参照的模型参数和SOC值的问题,设计了静置法和放空法以获取参照数据,通过点检法实现了对动态参数辨识和动态SOC估算的精确度验证。并以实车的长时随机路况作为算法的稳定性验证。试验表明,在深度混合动力汽车运行工况下,模型误差在2%以内,算法误差在3%以内。综上,本文的研究方法适用于深度混合动力汽车的镍氢动力电池。建立的模型与辨识方法有利于提高深度混合动力车用镍氢电池的动态仿真精度。提出的SOC算法既便于拓展,又在实车工况下具有较高精度,有利于拓宽镍氢电池在深度混合动力汽车上的SOC使用区间。设计的验证方法也具有工程实用价值。