电动汽车的动力电池模型及其参数辨识

纯电动汽车正在逐步替代传统能源汽车,对电动汽车充电电池的研究也在不断加深,其中电池模型起着关键的作用。介绍了三类电池模型──电化学机理模型、神经网络模型和等效电路模型,详细分析了PNGV等效电路模型的特点,采用最小二乘法辨识了其主要模型参数,并拟合得到各参数的非线性规律,为动力电池的SOC估算及电动汽车仿真研究提供了理论基础。     

纯电动汽车最佳动力性换挡规律研究

通过建立纯电动汽车电池系统和电机系统的数值模型,分析了纯电动汽车的最佳动力性换档规律.根据电池最大放电功率随电池荷电状态减小而减小的特性,制定出当电池最大放电功率大于或小于电机最大输入功率时的动态3参数换挡规律和动态4参数换挡规律.仿真结果表明,所制定的换挡规律获得了比传统的2参数换挡规律更好的汽车加速性.     

纯电动汽车用磷酸铁锂电池的模型参数分析

鉴于纯电动汽车用磷酸铁锂电池在不同荷电状态下的电池特性差异较大,传统参数辨识方法得到的电池模型参数拟合精度较低.本文采用电化学阻抗谱来分析等效电路模型参数,以研究电池的电压特性和动态功率特性,通过综合分析实际充放电条件的主要特征来提取电池典型的参数辨识工况,并利用粒子群优化算法分析模型参数.在不同温度和使用区间的验证表明该方法的精度较高,为磷酸铁锂电池的进一步研究提供依据.     

基于模糊-EKF模型的锂离子电池SOC联合估算

以试验数据为基础,建立电动汽车锂离子电池的2-RC等效电路模型,并利用模糊控制联合扩展卡尔曼滤波、安时积分和开路电压等算法建立电池SOC的联合估算模型.实例估算结果表明:该联合估算法最大误差3.12％,精确度高,且能克服单一算法的缺陷.     

纯电动汽车动力锂电池Nernst模型参数辨识

建立了电动汽车动力锂电池的Nernst经验模型,并利用遗忘因子递推最小二乘法对模型参数进行辨识。以北京市运营的纯电动环卫车的锂电池数据对所建立的模型和参数辨识算法进行验证,结果表明,所给出的方案是有效的,具有算法运算量少、模型结构简单和辨识精度较高等优点,适于电动汽车运行时对电池模型参数的在线辨识。     

基于行驶习惯特征的电池加热策略优化

针对低温环境下用户抱怨纯电动汽车实际续航里程缩减严重的问题,开展了纯电动汽车用户行驶习惯特征的大数据分析,得出了用户单程行驶里程和单程行驶时间的主要行驶习惯特征参数。并提出了一种基于纯电动汽车用户行驶习惯特征的分模式电池加热控制策略,确定了分模式电池加热控制策略参数,为后续进一步研究纯电动汽车电池热管理控制策略仿真分析和整车试验验证提供基础。     

纯电动汽车动力系统参数选择与匹配

动力系统参数选择与匹配对电动汽车的动力性和经济性会产生很大的影响。文章在理论计算和工程分析的基础上。对电机、电池以及传动系传动比进行了参数匹配,分析了纯电动汽车传动系参数的选择对电动汽车性能的影响。ADVISOR仿真结果表明,所选动力总成部件与整车匹配后能够满足纯电动轿车动力性的要求。为纯电动汽车动力系统参数选择与匹配提供了参考。     

基于Advisor的纯电动汽车整车性能参数化分析

提高纯电动汽车整车动力性能和续驶里程,电池和电机的选用非常关键。文章介绍了纯电动汽车结构;对比分析了在纯电动汽车上常用的电机和电池类型及性能参数;在Advisor软件中分别针对电机和电池的参数对续驶里程和动力性的影响进行仿真,得出了其对整车性能的影响;进一步推导出了电池电量与续驶里程的函数关系,为实际应用中选用电池类型．核算电量成本等提供了经验公式。     

基于模型融合与自适应无迹卡尔曼滤波算法的锂离子电池SOC估计

为提高电动汽车动力电池SOC的估计精度,本文中对锂离子电池模型与参数辨识算法、自适应无迹卡尔曼滤波(AUKF)算法和基于电池模型融合的SOC估计算法进行研究。建立了具有明确物理意义的电池电路模型,采用基于遗传算法(GA)的模型参数辨识算法,设计了基于AUKF的电池SOC估计方法,并基于贝叶斯信息准则,提出了电池模型融合方法,实现了基于模型融合与AUKF的电池SOC估计。仿真结果验证了该方法具有较高的精度。     

基于平均能耗并融合整车状态的续驶里程估算

续驶里程是当下关于纯电动汽车的热门话题,无论是标称续驶里程,还是使用过程中表显剩余续驶里程,二者的准确性都是人们关注的焦点.在现有技术条件下,着力提高剩余续驶里程估算值的准确性,开发具有广泛实用性的估算算法,是缓解用户续驶里程焦虑,推动电动汽车普及的有效手段.为此基于平均能耗提出了一种适用于纯电动汽车的续驶里程估算算法...     

Data-driven State-of-Charge estimator for electric vehicles battery using robust extended Kalman filter

An accurate battery State-of-Charge (SoC) estimation method is one of the most significant and difficult techniques to promote the commercialization of electric vehicles. This paper tries to make two contributions to the existing literatures through a robust extended Kalman filter (REKF) algorithm. (1) An improved lumped parameter battery model has been proposed based on the Thevenin battery model and the global optimization-oriented genetic algorithm is used to get the optimal polarization time constant of the battery model. (2) A REKF algorithm is employed to build an accurate data-driven based robust SoC estimator for a LiFePO4 lithium-ion battery. The result with the Federal Urban Driving Schedules (FUDS) test shows that the improved lumped parameter battery model can simulate the dynamic performance of the battery accurately. More importantly, the REKF based SoC estimation approach makes the SoC estimation with high accuracy and reliability, it can efficiently eliminate the problem of accumulated calculation error and erroneous initial estimator state of the SoC.     

基于交互多模型的车辆质量与道路坡度估计（双语出版）

车辆结构参数和道路环境信息的实时准确获取是提高智能汽车运动控制性能的重要因素之一，而车辆质量与道路坡度信息是多种汽车控制系统的必要信息，因此质量与坡度在线估计的研究一直受到关注。针对车辆质量与道路坡度的联合估计问题，提出了一种基于交互多模型的质量与坡度融合估计方法。首先，设定了适宜进行质量精确估计的工况条件，据此提出了基于模糊规则的质量估计置信度因子计算算法，进而设计了基于置信度因子的递推最小二乘车辆质量估计算法，以实现质量的在线估计。然后，以车辆纵向动力学模型为基础，建立了运动学和动力学2种坡度估计模型，并设计了基于运动学模型的线性卡尔曼滤波坡度观测器，基于电子稳定性程序ESP的纵向加速度信息实现坡度估计，设计了基于动力学模型的无迹卡尔曼滤波坡度观测器，基于ESP和发动机管理系统EMS的力信息实现坡度估计。运动学模型未考虑车辆姿态信息，坡度估算结果与实际值有偏差；动力学模型对模型精度要求高，算法稳定性差，为充分发挥2种方法优势实现坡度的精确估计，采用交互多模型算法实现了2种坡度估计方法的加权融合。最后，对所设计的算法进行了实车试验验证。结果表明：所设计的质量与坡度估算算法具有较好的实时性和准确性，适合智能汽车运动控制的应用需求。     

电动汽车SOC估计算法与电池管理系统的研究

在安时计量方法的基础上,采用基于折算库仑效率的卡尔曼滤波算法估计蓄电池荷电状态(SOC),并将此方法应用于HEV6580混合动力电动汽车镍氢电池管理系统。系统实现的功能包括:数据监测、数据显示、CAN通信、SOC估计、热管理和安全报警。经电池试验台模拟工况试验验证,电池管理系统各子系统达到设计要求且工作稳定。改进SOC估计方法解决了传统安时计量法不能估计初始SOC、难于准确测量库仑效率的问题,为电池管理系统稳定工作提供保证。     

基于随机加权自适应容积卡尔曼的电池SOC估计

准确估计锂离子电池荷电状态（SOC）对于突破电动汽车发展瓶颈，推动电动汽车商业化至关重要。针对动力电池模型参数辨识问题，提出基于遗忘因子的递推最小二乘法（FRLS）的模型参数在线识别方法。实时测量动力电池电流和电压数据，在线辨识模型参数并实时更新，实时反映电池内部参数的变化过程，对电池动态特性进行实时模拟。针对容积卡尔曼（CKF）滤波过程中对噪声敏感的问题，提出一种基于随机加权思想的自适应容积卡尔曼滤波（ARWCKF）方法。相比于常规CKF容积点权值始终不变，通过引入随机加权因子，自适应调整容积点权值并对系统噪声、状态向量及观测向量进行预测，抑制系统噪声对状态估计的干扰，避免因容积点权重值固定所带来的误差。针对CKF算法在容积点计算过程中由于状态方差矩阵失去正定性导致的平方根分解无法使用的问题，提出基于奇异值分解的容积点计算方法，克服由于先验协方差矩阵负定性变化而导致的滤波精度下降等问题，并进行多种工况、温度下不同SOC初值的对比验证。结果表明：所提出的基于遗忘因子的递推最小二乘法的在线参数辨识及ARWCKF滤波方法具备良好的估计精度及收敛能力，最大电压估计误差不超过40 mV，SOC估计误差不超过1%。     

路面附着系数的自适应衰减卡尔曼滤波估计

为了获得实时、准确的路面附着系数，进一步提高观测路面附着系数算法的精度和收敛速度，结合非线性车辆动力学模型和轮胎力修正模型，搭建分布式驱动电动汽车联合仿真平台，提出一种基于自适应衰减无迹卡尔曼滤波的路面附着系数观测算法。该算法设计与各轮对应的路面附着系数观测器，应用协方差匹配判据对观测器发散趋势进行判别，设计自适应加权系数修正预测协方差，以增强新近观测数据的利用率；同时采用次优Sage-Husa噪声估计器对未知的系统过程噪声进行估计，抑制观测器的记忆存储长度，调整过程噪声和测量噪声的均值与协方差，提高观测器的跟踪能力。利用分布式驱动电动汽车分别进行高、低附着路面和对开路面直线制动试验，并将自适应衰减无迹卡尔曼滤波路面附着系数观测器的观测结果与无迹卡尔曼滤波观测值、参考路面附着系数进行比较和分析。结果表明：高附着路面条件下，所设计的算法估计误差可控制在0.64%以内；低附着路面条件下，所设计的算法估计误差可控制在1.03%以内；对开路面条件下估计误差可控制在1.26%以内；自适应衰减无迹卡尔曼滤波算法相比无迹卡尔曼滤波算法响应速率更快，具有更高的估计精度和较强的自适应能力，估计结果整体上维持稳定，能够适应各种不同路面的估计。     

结合卡尔曼滤波器的车辆主动悬架轴距预瞄控制研究

利用轴距预瞄信息，即前后轮路面输入之关系，同时结合卡尔曼滤波器作为状态估计器，本文提出了一种算法用于车辆悬架控制律的设计，根据模拟结果，研究了算法的可行性，分析了卡尔曼滤波器对状态变量的估计精度，以及轴距预瞄控制对进一步改进车辆性能的潜力。     

基于自适应卡尔曼算法的重型半挂车状态估计研究

在建立三轴重型半挂车简化动力学模型的基础上,提出了用于估计重型半挂车运动状态的自适应卡尔曼滤波估计算法。利用动力学软件Trucksim对该估计算法进行了验证,验证结果表明,所提出的自适应卡尔曼滤波算法能够在车速为30 km/h与60 km/h的两种扫频工况下,准确估计重型半挂车横摆角速度和铰接角,为重型半挂车的稳定性控制奠定了基础。     

Estimation of vehicle sideslip angle and tire-road friction coefficient based on magnetometer with GPS

This paper presents a method that estimates the vehicle sideslip angle and a tire-road friction coefficient by combining measurements of a magnetometer, a global positioning system (GPS), and an inertial measurement unit (IMU). The estimation algorithm is based on a cascade structure consisting of a sensor fusing framework based on Kalman filters. Several signal conditioning techniques are used to mitigate issues related to different signal characteristics, such as latency and disturbances. The estimated sideslip angle information and a brush tire model are fused in a Kalman filter framework to estimate the tire-road friction coefficient. The performance and practical feasibility of the proposed approach were evaluated through several tests.     

基于EKF和模态坐标转换的结构损伤识别方法

本文在扩展卡尔曼滤波算法的基础上,结合模态坐标变换,以模态坐标初始值和结构单元损伤参数构建状态向量,提出一种改进的扩展卡尔曼滤波(EKF)算法,可成功识别结构参数。通过数值算例的识别结果,证明本文方法能够对结构损伤参数有效识别。     

基于LGSVL/Apollo的网络延迟攻击下自动驾驶车辆定位估算

为提高网络延迟攻击下自动驾驶车辆定位估计算法的精确度,研究了延迟模型下自动驾驶车辆定位的无偏差有限脉冲响应(UFIR)估计器设计方法,并仿真实验。搭建延迟攻击下的车辆运动学模型,拓展模型至有限长度的时间窗口,推导UFIR算法按批处理式与迭代式表达形式,分析Apollo系统各功能模块的数据流动,基于LG开源自动驾驶仿真器(LGSVL)与Apollo系统,搭建联合仿真测试平台并开展实验。结果表明:与Kalman滤波器(KF)相比,该算法估计精确度更高;当延迟数据出现较大变化时,算法响应速度更快,波动幅值更小,鲁棒性更强。当数据延迟时间小于等于1 s时,估计效果良好。因而,验证了基于LGSVL与Apollo系统进行自动驾驶仿真实验的可行性。