電動(dòng)汽車鋰電池SOC估計(jì)研究.pdf

1、石油等化石能源的漸近枯竭和城市大氣環(huán)境的日益惡劣促使人類開始尋找更加節(jié)能、環(huán)保的交通工具以替代傳統(tǒng)內(nèi)燃汽車，因此以動(dòng)力電池為動(dòng)力源的電動(dòng)汽車得以迅速發(fā)展。電池的荷電狀態(tài)（State of Charge，SOC）作為電池動(dòng)力性能、估計(jì)汽車?yán)m(xù)航里程的重要指標(biāo)，對(duì)其估算的準(zhǔn)確性直接影響駕駛者對(duì)電池狀態(tài)的掌握和行駛計(jì)劃的制定，甚至關(guān)乎其對(duì)電動(dòng)汽車的接受程度。然而對(duì)動(dòng)力電池SOC估算的研究還處于起步階段，各類算法在適用性和實(shí)用性方面尚存不足。本文

2、以電動(dòng)汽車電池 SOC作為研究目標(biāo)，以被廣泛采用的磷酸鐵鋰電池作為研究對(duì)象，展開討論。
　　首先對(duì)現(xiàn)有電池SOC估計(jì)方法進(jìn)行總結(jié)、分析，針對(duì)電動(dòng)汽車鋰電池靜態(tài)充電和汽車行駛時(shí)電池動(dòng)態(tài)放電兩種狀態(tài)，分別建立兩種網(wǎng)絡(luò)模型進(jìn)行研究。對(duì)于靜態(tài)充電過程，提出基于粒子群優(yōu)化算法的最小二乘向量機(jī)估算方法。該方法利用粒子群算法收斂速度快和全局尋優(yōu)的特點(diǎn)優(yōu)化最小二乘向量機(jī)模型的參數(shù)，解決了電池SOC估計(jì)非線性模型參數(shù)優(yōu)化問題。針對(duì)電動(dòng)汽車行駛過程中

3、鋰電池放電受環(huán)境影響，參數(shù)動(dòng)態(tài)變化，提出基于改進(jìn)自組織遞歸模糊神經(jīng)網(wǎng)絡(luò)（Self-organizing Recurrent Fuzzy Neural Network，SRFNN）模型算法對(duì)電池SOC進(jìn)行在線估計(jì)。改進(jìn)的SRFNN網(wǎng)絡(luò)結(jié)構(gòu)在TSK型網(wǎng)絡(luò)結(jié)構(gòu)模糊規(guī)則的后件部分引入函數(shù)鏈接型神經(jīng)網(wǎng)絡(luò)（FLANN），以增強(qiáng)反饋映射能力。前件部分和遞歸參數(shù)學(xué)習(xí)采用梯度下降法，后件參數(shù)的學(xué)習(xí)更新采用卡爾曼濾波法算法。模型的初始規(guī)則數(shù)為零，所有的模糊