电动汽车动力电池荷电状态估计

精准可靠的荷电状态估计对电动汽车整车性能有举足轻重的影响,从而成为国内外学者研究的重要方向。文章选取三元锂离子电池作为研究对象,然后介绍了几种荷电状态的估计方法,选择使用模型基础法进行荷电状态的估计,构造一阶Thevenin模型,然后利用充放电实验所得数据和MATLAB里的多项式拟合工具构造得出开路电压-荷电状态（OCV-SOC）的函数对应关系。通过使用最小二乘法来辨识对模型中的参数值可以进行离线辨识,再使用自适应扩展卡尔曼滤波（AEKF）算法来估计锂离子电池的荷电状态。随后进行了动态应力测试（DST）实验,将扩展卡尔曼滤波（EKF）算法与AEKF算法进行荷电状态估计的对比及误差分析,从而对AEKF算法的精确度进行检验。最终通过实验数据可以得出结论,文章介绍的AEKF算法对DST实验工况的荷电状态估计可以保证较满意的精确度,并且此算法不是很复杂,操作性强。     

基于FFRLS-EKF联合算法的锂离子电池荷电状态估计方法

针对现有基于电池恒定参数模型的SOC估计方法忽略了工况和SOC对电池模型参数的影响而导致SOC估计误差偏大的问题,本文提出一种将带有遗忘因子递推最小二乘算法与扩展卡尔曼滤波算法相结合的联合SOC估计方法。该方法先利用FFRLS算法在线辨识电池等效电路模型参数并实时修正电池模型,再利用EKF算法和实时修正的电池模型估计电池SOC。实验结果表明,本文所提的SOC估计方法能有效减小电池模型参数变化所带来的SOC估计误差。在脉冲放电、脉冲充电和动态应力测试实验中,最终电池SOC估计的最大误差分别为1.01%、0.87%和1.59%。     

三元锂电池荷电状态估计的传感器误差影响CSCD

锂电池荷电状态(SOC)的准确估计是电池管理系统的关键技术,为了解析传感器误差对SOC估计精度的影响,以二阶RC等效电路模型为基础,运用遗传算法进行参数辨识,采用扩展Kalman滤波算法进行SOC估计,分析电压、电流传感器存在的漂移和白噪声对SOC估计的影响。结果表明:电压、电流传感器的漂移与SOC估计误差的均值近似呈线性关系,电压、电流传感器存在的白噪声对SOC估计误差的均值无影响;对于实验中的三元锂离子电池,若使SOC估计精度在5%以内,电压的偏差值应控制在10 m V以内、电流偏差值应在1/30 C以内。     

基于SOC-OCV优化曲线与EKF的锂离子电池荷电状态全局估计

SOC-OCV曲线是锂离子电池状态估计的基础.针对传统HPPC测试法在非测试点不能描述电池非线性特性和小电流恒流放电法得到的OCV曲线精度不足等问题,提出一种基于粒子群优化算法的OCV曲线优化方法.该方法将小电流恒流放电得到的OCV曲线进行平移,以平移曲线在测试点与HPPC测试得到的OCV值之间的误差和最小为优化目标,...     

电动客车AMT换挡执行机构状态估计及参数辨识EI北大核心CSCD

为了改善AMT换挡执行机构参数时变下的换挡性能,在考虑系统模型高度非线性、系统噪声特性未知的情况下,本文中提出了一种基于非线性H∞算法的分层状态估计和参数辨识方法。首先,通过实验发现了换挡执行机构参数时变的问题,并针对换挡执行机构建立了非线性模型。然后,设计了分层状态估计和参数辨识器,上、下两层估计器均基于非线性H∞算法设计。上层估计器对执行机构的状态进行估计,并将结果转移到下层估计器;下层估计器利用上层估计器处理完的状态量作为量测量,利用系统模型作为量测方程对系统参数进行辨识;上、下层估计器的协同运行对换挡执行机构的状态进行估计,对结构参数和电性能参数进行辨识。最后,设计了一种基于自动标定的状态估计和参数辨识流程,在对换挡位置值进行标定修正的同时实现对换挡执行机构的参数辨识。实验结果表明,本文提出的分层状态估计和参数辨识方法能准确的对换挡执行机构的状态、参数进行估计和辨识。修正参数后,系统的换挡性能得到改善。     

基于频率响应的发动机混合气控制系统在线参数辨识方法

混合气空燃比控制是汽油车的基本排放控制策略.氧传感器特性等系统参数的变化会对混合气的闭环控制效果产生影响.文章介绍了基于频率响应的发动机混合气控制系统在线参数辨识方法,辨识过程不会对排放和驾驶性带来负面影响;对氧传感器和系统参数的自适应和学习,能够提高混合气控制精度,有利于降低排放.基于频率的参数辨识方法可以推广应用于...     

Magic Formula轮胎模型参数辨识的一种混合优化方法

Magic Formula(MF)轮胎模型能够准确描述轮胎的侧偏特性,广泛应用于车辆动力学的研究。由于MF轮胎模型参数多,且高度非线性,从大量的试验数据中准确辨识这些参数相当困难。提出一种基于遗传算法和数值优化算法的混合优化方法,采用由粗到精的辨识过程,先利用遗传算法得出近似最优解,再利用数值优化算法辨识出精确的参数。利用辨识出的参数计算轮胎的侧偏特性,计算结果与试验数据吻合良好,表明该方法是辨识MF轮胎模型参数的有效手段。     

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.     

基于改进扩展卡尔曼滤波算法的SOC估算

在电动车、储能系统和移动设备等领域中,电池管理系统是保障电池组性能和安全性的关键技术之一,而电池荷电状态（SOC）估算是其重要的组成部分。文章重点针对18650型号的磷酸铁锂电池（单体电池）SOC估算展开研究和设计,首先选择双阶远程控制（RC）模型作为电池模型,通过电池容量标定实验、开路电压（OCV）-SOC标定实验、混合功率脉冲特性（HPPC）实验确定了双阶RC模型的各个动态参数,在MATLAB/Simulink中搭建动力电池仿真模型,验证了所选模型的可靠性。然后,为了解决单体电池SOC估算精度和成本等问题,以扩展卡尔曼滤波（EKF）算法为基础提出了一种改进方法,即在预测第k个时间步的误差协方差矩阵时,引入了时变渐消因子,在更新方差Q和R时引入自适应分子。最后,通过不同循环工况对提出的算法进行仿真分析,结果显示,提出的算法提升了SOC估算的精度,实用性强。     

基于ARWLS和AUKF的锂电池SOC估计

精确估计锂电池荷电状态（SOC）对纯电动汽车的安全稳定行驶有着深远影响,对锂电池SOC状态的估计主要有参数辨识算法和SOC估计算法两个热点问题。针对辨识过程中出现的“数据饱和”现象以及锂电池SOC状态估计时的滤波发散问题,文章提出了自适应遗忘因子递推最小二乘法（ARWLS）-自适应无迹卡尔曼滤波（AUKF）联合算法。首先建立了二阶R-C锂电池数学模型,并针对传统最小二乘法在参数辨识过程中出现的“数据饱和”现象,引入了自适应遗忘因子动态修正新旧数据权重,提升在线参数辨识的准确度以及效率。其次,针对无迹卡尔曼滤波存在的滤波失效问题,提出了自适应无迹卡尔曼滤波算法来自适应调整系统噪声和观测噪声,从而提高SOC估计时的适应性和鲁棒性。最后在混合动力脉冲能力特性（HPPC）工况下对扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）和AUKF三种SOC估计算法进行仿真比较,仿真结果表明,AUKF算法估计的SOC曲线跟随SOC真实值曲线变化的性能最好,估计精度也优于其他两种算法,具有更小的估计误差,收敛性也最好。     

一种改进的安时—开路电压估算SOC的方法

精确估算动力电池的荷电状态(State of Charge,SOC)是发展电动汽车技术的关键。SOC值很难直接测出,只能通过与电池有关的温度、电流和电压等因素间接估算。文中提出了一种安时法和开路电压法结合的方法,对算法影响SOC估算的各个因素进行了补偿修正,并用Simulink建模仿真,对比仿真结果与试验结果,证明了该方法的准确性。     

一种基于车辆运动状态估计的商用车侧翻预警方法

以商用车侧翻预警系统的开发为目标,提供一种实用的侧翻预警方法,提高车辆安全性。分析具备应用条件的车辆传感器,通过侧翻特性和侧翻相关车辆状态响应特性的分析,提出基于车速和转向的侧向运动状态估计方法,并设计基于转向盘转角和侧向加速度的侧翻预警融合算法,用于侧翻预警系统开发。     

基于数据驱动模型融合的锂离子电池多时间尺度状态联合估计方法

本文提出一种基于数据驱动法（data driven method,DDM）-等效电路模型（equivalent circuit model,ECM）融合的锂离子电池多时间尺度状态联合估计方法。首先提取内阻作为健康特征（health factor,HF）,利用最小二乘支持向量机（least squares support vector machine,LSSVM）建立电池老化模型实现健康状态（state of health,SOH）估计;根据阻容参数辨识值和容量估计值建立电池状态空间方程,结合无迹卡尔曼滤波算法（unscented Kalman filter,UKF）进行荷电状态（state of charge,SOC）估计;用高斯过程回归（Gaussian process regression,GPR）对HF随循环次数的变化进行映射,预测HF的变化趋势,并结合LSSVM模型实现长期剩余使用使命（remaining useful life,RUL）预测。实验结果表明,所提方法具有较高精度和鲁棒性。     

一种用于交通信息采集的图像背景快速估计方法

为适应交通环境多变情况下实时交通信息采集的要求，提出一种快速高效的背景估计方法。该方法以单高斯估计模型为基础，参数简单，算法实时性好；在采集样本时通过帧差法对图像进行分块选取，从而保证了样本的纯度，有效地削弱了运动物体和噪声对于背景估计的影响。通过实际道路环境下多种方法的实验比较，证明所提出的方法的正确性和有效性。     

基于电池能量状态估计和车辆能耗预测的电动汽车续驶里程估计方法研究

本文中提出一种基于动力电池能量状态估计和车辆能耗预测的续驶里程估计模型。电池能量状态估计采用电池状态模型估计电池剩余的可用能量,分析了不同因素的影响。利用纯电动车测试数据,基于递推最小二乘算法辨识车辆能耗参数,结合行驶工况预测汽车能耗,进而计算续驶里程。与传统的续驶里程估计方法相比,基于电池能量状态估计和整车能耗预测的续驶里程估计模型的精度有较大提高。     

一种基于加速度及轮速信息的参考车速估计方法

以两轮驱动轿车为研究对象,提出了一种基于加速度及轮速信息的参考车速估计方法。以Kalman滤波为基本算法,结合试验分析,通过估计系统噪声特征和修正量测方程,改进了算法对加速度量测信号静态偏差变化的跟踪能力,提高了参考车速的估计精度。利用该方法估计参考车速具有不依赖大量试验、计算量小的特点,适于实车应用。     

一种用于智能汽车的硬件友好对抗样本在线防御方法

提出了一种针对对抗样本攻击的硬件友好的在线防御方法。该方法由三部分组成,一个使用自编码器作为检测器来逼近自然样本流形分布的广谱检测算法,一个适用于深度神经网络 （Deep Neural Network,DNN） 瓷片加速器架构的高效层调度方案以减少数据访问开销,以及一个软硬件协同设计方法以达到检测精度和算法开销的平衡。试验表明,基于自编码器的广谱在线检测方法能够达到与已有算法相当的检测精度,提出的层调度方案将推理网络与检测器耦合的联合网络的DRAM访问量减少了43%,进而降低了能耗,提高了吞吐量。此外,软硬件协同设计方法在保证检测精度不降低的情况下,将耦合网络的能耗和运行时间分别降低了58%和54%。     

一种基于BIM技术的隧道参数化建模方法

通过阐述建筑信息模型(BIM)的概念,指出参数化建模在工程设计领域中的应用理念和发展趋势,以及参数驱动模型生成的技术特点。目前BIM技术的应用往往是先进行专业设计再针对设计成果建立信息模型,这样的逆向设计流程不但没有提高设计效率,反而徒增设计工作量。它本质上是一种现有交付条件主导下设计工作的辅助和补充,其作用在于设计过程中的反向回馈。探索BIM正向设计以提升模型附加值,针对隧道工程,将传统的设计思路与信息模型的全新表达方式相结合。为了提高设计效率,解决复杂工程模型的标准化、规范化的问题,采用参数驱动三维模型生成的方法,验证参数化设计在LOD200级信息模型建立过程中的可行性和必要性。通过设定应用场景规定模型的应用功能,对模型的几何信息和非几何信息添加相应的约束,从而使模型具有更多的应用功能,为实现高效正向协同设计提供参考。