
论文摘要
随着电动汽车的迅速发展,对电池能源的要求越来越高。蓄电池管理系统作为动力电池的一个重要组成部分,它直接检测及管理电动汽车动力电池的运行全过程,包括电池充放电过程、SOC估计、电池温度、单体电池间的均衡、电池故障诊断几个方面。因此研究专门的电池管理系统对电池的能量进行管理及维护是非常必要的。本文以铅酸蓄电池为研究对象,从分析铅酸蓄电池的工作特性入手,指出了影响蓄电池剩余容量的主要因素。本文介绍了估算电池荷电状态(SOC)的常用方法,分析了这些方法的优缺点。在此基础上提出了一种基于人工神经网络的SOC估算方法,构造了三层BP神经网络来对蓄电池的SOC进行估算。在神经网络建模过程中采用了一种快速学习算法-LM算法用于网络的学习过程,利用神经网络的并行计算、自学习的特性,提高预测准确性。这种方法建模过程未涉及电池内部复杂的物理化学反应。经初步仿真分析,该方法具有较高的预测精度。本文对蓄电池管理系统软硬件的设计与实现进行了详细说明。该硬件平台是基于DSP2407的管理系统,对蓄电池的工作状态如电池电压、电流、温度等进行了测量,从而得到算法分析和均衡管理的数据,并将这些数据通过CAN通信传送到中央控制系统并进行液晶显示。最后利用此硬件平台对系统功能进行了初步验证。
论文目录
致谢中文摘要ABSTRACT1 引言1.1 电动汽车电池管理系统简介1.2 电池管理系统的研究现状1.2.1 国外电池管理系统的研究现状1.2.2 国内电池管理系统的研究现状1.3 本课题研究的意义及内容1.3.1 本课题研究的意义1.3.2 本课题研究的内容2 铅酸蓄电池SOC估算方法的研究2.1 铅酸蓄电池工作特性2.1.1 蓄电池的化学特性2.1.2 蓄电池的基本电特性2.1.3 铅酸蓄电池的充放电特性2.2 SOC估算方法的研究2.2.1 电池SOC的定义2.2.2 现有SOC估算方法2.3 影响电池SOC的因素3 基于神经网络的电池SOC估算3.1 人工神经网络简介3.2 人工神经网络3.2.1 人工神经元模型3.2.2 人工神经网络模型3.2.3 神经网络的学习方法3.3 神经网络的设计原则与过程3.4 BP神经网络3.4.1 BP算法3.4.2 BP算法存在的问题及改进3.4.3 Levenberg-Marquardt算法3.5 SOC估算神经网络模型的建立3.5.1 训练样本的选取及数据预处理3.5.2 网络训练及测试4 电池管理系统的硬件设计4.1 电池管理系统的硬件组成4.2 状态检测系统4.2.1 电压检测电路设计4.2.2 电流检测电路设计4.2.3 温度检测电路设计4.3 均衡管理系统4.3.1 电池均衡的目的及意义4.3.2 电池均衡的依据4.3.3 常见电池均衡的方法4.3.4 本文采用的电池均衡方案4.4 CAN通信接口设计4.5 硬件抗干扰措施5 电池管理系统的软件设计5.1 软件功能介绍5.2 系统主程序设计5.3 各部分子程序设计5.3.1 电池信息采集子程序设计5.3.2 电池状态判断子程序设计5.3.3 均衡管理子程序设计5.3.4 电池荷电状态子程序设计5.3.5 CAN通信子程序设计5.4 软件抗干扰设计6 系统调试及实验分析6.1 实验平台6.2 系统的软硬件调试6.3 实验分析6.3.1 状态检测实验6.3.2 CAN通信显示实验7 结论参考文献作者简历学位论文数据集
相关论文文献
标签:电池管理系统论文; 估计论文; 神经网络论文; 电池均衡论文;