基于ANFIS模型的动力锂离子电池SOC估算算法研究

论文摘要

为了解决能源危机与环境污染，世界各国汽车厂商积极致力于混合动力汽车(Hybrid Electric Vehicle, HEV)的研究和生产，蓄电池的技术的发展对混合动力汽车的发展具有十分重要的意义。电池的荷电状态SOC描述了电池的剩余电量，是电池在使用的过程中最重要的参数之一。准确估计SOC可以防止电池的过充或过放电，有效延长蓄电池的使用寿命，并且在电动汽车的行驶中可以预知可续驶里程。由于SOC估算受温度、老化、充放电倍率、自放电等因素的影响，使得电池在实际应用中，呈现为高度的非线性，为SOC的精确估算带来了很大的困难。HEV动力电池工作温差大，可达到55℃。但目前多数SOC估算算法没有考虑温度因素的影响；另外，电池的SOC与其端电压是非线性的关系，但很多现有的算法却直接把这当成线性关系来处理，使得混合动力汽车动力电池SOC估算误差大，导致了混合动力汽车能量无法精细管理，直接影响了混合动力汽车的经济性及其推广进程。本文以锂离子电池作为研究对象，介绍了锂离子电池的工作原理及锂离子的主要电池特性，分析了锂离子电池的充放电性能，对100Ah动力锂离子电池进行充放电池实验，采集电压、电流、温度、剩余容量的相关实验数据。通过分析现有SOC估计方法的优缺点及适用场合，提出了一种结合神经网络自学习能力和模糊系统逻辑推理能力的自适应神经模糊推理的电池SOC估算方法。神经网络的精确性和模糊逻辑推理的简单、强鲁棒性在这种方法中得到很好的结合利用，此外因为神经网络为三输入单输出的系统，使得系统中隐层节点数大大减少，更易于实现。论文系统研究了影响锂离子电池SOC估算的因素，建立了基于ANFIS的动力锂离子电池SOC估算模型。在MATLAB平台上对基于ANFIS的动力锂离子电池SOC估算模型进行实验仿真，用采集到的大量实验数据对模型进行训练，结果证明该模型具有较强适应能力和泛化能力，可以比较好的反映电池特性，得到的SOC预测值与实测值的误差低于6%，可以用于锂离子电池等动力蓄电池的SOC估算。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题来源及研究意义
• 1.2 电动汽车的发展及优势
• 1.3 动力电池 SOC 估算研究现状
• 1.4 课题研究内容
• 第2章 锂离子电池性能分析
• 2.1 锂离子电池工作原理及特点
• 2.2 锂离子电池性能
• 2.2.1 锂离子电池的内阻
• 2.2.2 锂离子电池放电容量及其影响因素
• 2.2.3 自放电速率和电池储存性能
• 2.2.4 锂离子电池比能量和比功率
• 2.3 锂离子电池充放电实验
• 2.3.1 锂离子电池的充放电特性
• 2.3.2 锂离子电池的充放电实验数据采集
• 2.4 本章小结
• 第3章 神经网络及模糊逻辑理论
• 3.1 神经网络理论
• 3.1.1 神经元模型
• 3.1.2 神经网络模型
• 3.1.3 神经网络的学习
• 3.1.4 神经网络的训练
• 3.2 模糊逻辑理论
• 3.2.1 模糊控制的数学基础
• 3.2.2 模糊推理
• 3.2.3 模糊逻辑控制系统的基本结构
• 3.3 模糊神经网络
• 3.3.1 模糊系统与神经网络的融合
• 3.3.2 模糊神经网络学习算法研究
• 3.4 本章小结
• 第4章 基于ANFIS的动力锂离子电池 SOC 估算
• 4.1 动力电池 SOC 估算
• 4.1.1 影响 SOC 估算的因素
• 4.1.2 SOC 常用估算方法及选择
• 4.2 ANFIS在锂离子电池 SOC 估算中的应用
• 4.2.1 自适应神经-模糊推理系统
• 4.2.2 T-S 型模糊模型等效的 ANFIS
• 4.2.3 输入输出变量选择
• 4.3 仿真实验及结果
• 4.3.1 自适应神经模糊系统的 MATLAB 实现
• 4.3.2 实验结果
• 4.4 本章小结
• 第5章 总结与展望
• 5.1 全文总结
• 5.2 工作展望
• 参考文献
• 致谢
• 附录