基于IMM-UPF的锂电池寿命估计

提出了一种基于交互式多模型(Interacting Multiple Model,IMM)和无迹粒子滤波算法(Unscented Particle Filter,UPF)的锂电池健康状态(State of Health,SOH)估计方法,针对目前SOH估计方法需求样本量大、不适用于全寿命周期结果跟踪等问题,建立了基于多项式模型、双指数模型和集成模型的IMM,通过UPF解决了重采样过程中粒子贫化的问题,根据滤波的结果对锂电池的SOH进行预测,实现了锂电池全寿命周期内的SOH精确估计.讨论了IMM的选型依据和建模方法,给出了详细的SOH估计算法,并通过仿真和实验对不同模型进行对比.仿真和实验结果表明,所提出的基于IMM-UPF的锂电池SOH估计结果的概率密度函数标准偏差仅为19,实现了高估计精度.     

基于简化可变参数热模型的锂电池内部温度估计

锂电池内部温度的准确估计是实现电池安全可靠热管理的关键,为准确估计锂电池内部温度,针对现有电池热模型中各热电参数的辨识误差对内部温度估计精度的影响,文中提出基于简化可变参数热模型的锂电池内部温度估计方法.通过对不同环境温度下锂电池内部热容与外部热阻进行辨识,建立可变内部热容与外部热阻估计模型,同时对模型机理进行分析,详细描述了外部环境对于内部热容和外部热阻的影响,并通过实验验证了模型的可靠性;最后结合扩展卡尔曼滤波(EKF)算法,实现对内部温度的估计.不同温度梯度下的恒流放电实验与仿真结果证明,所建模型适用于不同环境温度下的锂电池热模型,提高了内部温度估计精度.     

基于IUPF算法与可变参数电池模型的SOC估计方法

针对常用电池模型参数固定和适用范围有限的问题,建立受温度和SOC影响的可变参数的Thevenin模型,并利用实验设计(DOE)方法和最小二乘法对模型参数进行辨识.针对系统噪声较大时影响算法估计精度的问题,提出了一种改进的无迹卡尔曼粒子滤波(IUPF)算法.将系统状态噪声和量测噪声两者同时引入到采样点中,对其进行对称采样处理,同时将其引入到算法计算过程中以保证算法的精度.在可变参数Thevenin模型基础上采用的IUPF算法,在保证模型适用范围的同时减小了噪声对系统估计精度的影响.实验及仿真结果表明,基于IUPF算法与可变参数电池模型的SOC估计方法在解决现有电池模型适用范围有限、保证模型精度的同时,在多个温度下对SOC有较高的估算精度.尤其在系统状态噪声、量测噪声影响较大时,算法估算精度有了明显提高,且对由模型参数所带来的扰动具有良好的鲁棒性.     

基于虚拟仪器的电池管理系统检测平台设计

文章针对当前国内电池管理系统检测平台功能不全,自动化程度低,并且不能应用于复杂工况模式下的BMS检测等问题,设计了一款基于虚拟仪器的BMS检测平台,用于检测混合动力汽车用BMS。首先分析混合动力汽车用锂电池及BMS的典型工况特点,并收集工况数据,作为检测平台的输出,重点验证了检测平台输出信号的准确性、BMS检测延时测量以及SOC估计测量功能。结果表明,检测平台输出精度高,能够测量复杂工况下BMS检测实时性及SOC估计等功能。