燃料电池汽车动力总成控制策略

讨论了燃料电池汽车的动力总成负载均衡、动力蓄电池充电态闭环控制、燃料电池发动机功率的预测调节 ,以及电机回馈制动控制策略等问题 ;介绍了动力总成控制器的算法实现 ,并示例性地给出了实车转鼓测试结果 .测试结果表明 ,针对电电混合动力总成提出的基本控制策略能充分考虑动力总成各组成部件的动力和经济特性 ,具有一定的实用价值  

汽车网络分类方法及其主流协议发展趋势

网络技术大大促进了汽车电子技术的发展 ,但随之带来了网络协议的标准化问题 .为此 ,在SAE(societyauto motiveengineering)对汽车网络分类方法进行分析的基础上 ,结合汽车网络技术的最新发展 ,提出了一种根据功能和传输速率将车用网络分为 5类的分类方法 ;并根据此分类方法综述了目前各类网络中主要的通信协议 ,指出其中最具竞争力的协议 ,以及汽车网络技术的发展趋势  

锂离子动力电池参数辨识与状态估计

从锂离子动力电池的电流激励-电压响应出发,在改进的FreedomCar电池模型存在的基础上,提出了基于最小二乘法的电池模型参数辨识的方法;根据混合动力汽车的具体应用条件,提出基于电流-时间窗口的SOC(荷电状态)估计方法.该方法已成功应用于电-混合燃料电池轿车"超越三号"的实车运行.  

燃料电池汽车中直流-直流变换器仿真建模

在燃料电池汽车中，电能的转换是一个核心的问题．结合燃料电池的特性，给出了燃料电池汽车动力系统中直流—直流变换器的拓扑结构和工作原理，并基于Matlab／Simulink和模拟电路仿真工具Pspice给出了多种建模方法及其过程，总结了各种建模方法的特点。  

解析∑-△A／D转换器

本文主要介绍了过采样A D转换器的基本原理和应用。  

锂离子动力电池内阻模型与实验研究

根据多孔电极理论,首先建立锂离子动力电池的仿真模型。对仿真模型的分析可知,影响电池内阻的内部因素为锂离子在电极活性材料中的固相扩散系数及由极片的电子电导率、电解液的离子电导率和活性材料的电子电导率组成的电池总电导率。分别设计制作磷酸铁锂和石墨半电池,使用恒电流间歇滴定法(GITT)对半电池进行固相扩散系数的测量。使用交流阻抗法(EIS)对半电池进行总电导率的测量。对比半电池实验数据和磷酸铁锂锂离子动力电池实验数据可知,电池的极化内阻由锂离子在电极活性材料中的固相扩散系数决定；电池的欧姆内阻由电池的总电导率决定。  

电动汽车用锂离子动力电池电感主动均衡系统

研究了一种单体锂离子动力电池电感主动均衡方案，该方案通过相应的开关控制，将高电量电池的多余能量存储到电感中，并通过电感将能量转移到低电量电池中。详细介绍了方案的结构设计、系统仿真及参数选择、优化。以典型车用锂离子电池模块进行均衡方案测试，结果表明，该方案具有较好的均衡效果和较高的均衡效率。  

汽车嵌入式系统开发方法、体系架构和流程

介绍了汽车嵌入式系统的内涵,回顾了汽车嵌入式系统的技术发展历史,分析了未来汽车嵌入式系统发展的特点,并得出以下结论:开发一个高效、可靠的汽车嵌入式系统离不开简明精确的开发方法、完善细致的体系架构和详细合理的开发流程.在此基础上,概括了汽车嵌入式系统开发的技术体系,并具体地从基于模型的开发方法、基于AUTOSAR(automotive open system architecture)的体系架构以及基于V模式的开发流程3个方面介绍了该技术体系.这三者分别从对象的描述、对象的层次结构和开发的时间顺序3个不同的方面对嵌入式系统的开发方法做了定义和约束,从而保证了这个开发体系的可靠性和完整性.  

插电式燃料电池车锂电池热管理系统设计

采用强制风冷的方案,对世博燃料电池插电式混合动力微型车40A.h磷酸铁锂动力电池系统进行了热管理的结构设计和性能研究.详细分析了动力蓄电池的散热需求,在此基础上,结合整车布置,完成了热管理系统的结构设计,并对设计结果进行了数值模拟.将设计方案制作成实体样品,分别在不同的环境温度下,以一定的电流工况对电池加载,测试电池系统的温升情况.最后,对世博运营过程中具有代表性的两日测试数据进行了分析.仿真计算结果、测试试验结果以及实车数据分析结果均表明,设计方案在电池系统温升控制和电池单体温度一致性控制方面都达到了预期的需求.  

基于一致性估计的车用动力蓄电池组SOC修正法

目前车用动力蓄电池组荷电状态(SOC)的估计方法在应用时都将电池组看作一个整体,而忽略了组中单体电池之间的差异对整组SOC估计的影响.提出一种基于单体电池一致性估计的车用动力蓄电池组SOC修正方法.此方法采用了自适应神经模糊推理系统的基本原理,通过对模糊逻辑规则库的离线自适应训练,构建了可用于车载电池管理系统(BMS)的SOC一致性模糊推理系统.通过仿真或者试验验证表明,该方法能够在电池组SOC一致性发生变化的情况下,作出较为准确的判断并结合传统的整组SOC估计结果进行修正.说明通过该方法建立的模糊模型经过神经网络自适应学习后具有较好的泛化能力.