电动汽车的电池管理系统(上)

<正>一.电池管理系统的定义深圳市派司德科技有限公司开发的电动车辆电池管理系统(BMS)采用模块式结构,由主控模块、采集模块和高压模块构成,每个主控模块可连接20个采集模块和一个高压模块,最多管理电池数量为600个单体电池。主控模块通过内部CAN获取高压模块的总电压、电流、绝缘电阻数据和采集模块的单体电池电压与温度     

动力电池PACK装调与检测技术平台的结构与应用

<正>1动力电池PACK装调与检测技术平台的结构动力电池PACK装调与检测技术平台如图1所示。该平台采用实训平台、显示屏、智能教学系统软件三合一的设计模式,由电池管理系统、动力电池组、配电系统、人机交互系统、高压上电模块组成。1.1电池管理系统电池管理系统俗称电池管家,主要由控制器和采集线束组成。采集线束的主要作用是收集各单体电池的温度、电压等信号并输送到控制器中。控制器的主要作用是对采集线束输入的数据进行处理。     

一种电池管理系统电压采集电路的优化设计

简要介绍一种电池管理系统电压采集电路的结构和工作原理,对电路进行实际测试。围绕电路输出电压值偏离实际电压值的问题,从信号采样、放大、A/D转换、电源以及PCB布局等环节,分别分析误差的来源,提出相应改善对策。数据表明,优化后的电路电压采样值与实际值误差控制在±2V范围内,能够满足电池管理系统对电压采集模块的设计要求。     

基于模型的新能源汽车动力电池SOC估算方法的仿真研究

本文对目前动力电池SOC现状进行了简要介绍,然后提出了一种基于模型的新能源汽车动力电池SOC估算方法。该方法使用基于化学反应动力学的电池模型来预测动力电池的电荷和放电行为,并利用滤波器和卡尔曼滤波器来估算电池的SOC。仿真实验结果表明,该方法具有比较高的估算精度和稳定性,最后对动力电池SOC以后的发展进行展望。     

基于联合卡尔曼滤波器的交通信息融合算法研究

基于现有的研究方法,提出了一种基于联合卡尔曼滤波器的交通信息融合算法。首先利用浮动车的覆盖率和浮动车的历史平均行程时间来修正浮动车的平均行程时间估计值,用于浮动车覆盖率不满足最小覆盖率时的路段平均行程时间估计;利用路段上浮动车的覆盖率来确定联合卡尔曼滤波器的融合系数;利用联合卡尔曼滤波器对固定型检测器的平均行程时间估计和浮动车的平均行程时间估计进行信息融合,得到路段的平均行程时间估计。该融合方法计算量小,融合时间快,有利于实际应用。试验结果表明,该方法提高了区间平均行程时间估计的精度。     

电动汽车电池管理系统设计与研究

本文以三元锂电池为试验对象,设计了一款分布式电池管理系统,该系统可实现对单体电压、温度、总压和总电流等信息的实时采集,计算电池的荷电状态(SOC)和绝缘电阻,根据电池和整车状态控制电池高压的输出,最后,对该系统进行了功能试验,验证BMS各项功能可正常实现。     

电动汽车电池管理系统中传感器技术应用研究

电动汽车核心是电池管理系统,其具备对电池单元电压、电流、内部温湿度等参数实时采集、动态监控、数屏显示,还具备对电池的故障报警、断电保护功能。电池性能是电动汽车的制约因素,而传感器则对电池管理系统有着决定性作用。本文介绍电动汽车电池管理系统的基本功能,着重分析电池管理系统电流传感器、温湿度传感器、电压传感器、位置传感器应用与功能发挥,提出电池管理系统传感器技术未来发展的趋势。     

融合经验老化模型和机理模型的电动汽车锂离子电池寿命预测方法研究

为提升实际应用中锂离子动力电池寿命预测精度，本文中提出一种融合经验老化模型和电池机理模型的电池寿命预测方法。该方法以基于经验老化模型SOH预测值作为卡尔曼算法的先验估计，以基于机理模型估计电池未来容量衰减量进而预测得到的SOH作为卡尔曼算法的后验修正，从而实现对锂离子电池寿命的准确预测。基于电芯试验数据的动力电池寿命预测算法验证结果表明，锂离子动力电池剩余寿命预测误差≤5.83%、基于实车数据的锂离子动力电池的剩余寿命预测误差≤8.12%，取得了良好的预测效果，丰富了锂离子动力电池寿命预测的方法。     

2017款新君越30H全混动新技术特性(三)

正接口模块用于采集单个电池的电压、温度信息,并且通过串行数据形式传递给HPCM2。每个电池接口模块会采集对应电池模组的每个电池单元电压及温度信息,采集完成后会通过串行数据传递给HPCM2模块。HPCM2模块位于总成一端上部(如图75所示),是整个混合动力系统的主控模块,主要具有如下功能:1.与高压电池接口模块通信,获取电池温度、电压等信息。     

基于TI2812的多通道数据采集系统及CAN总线通信

为了对电池管理系统的参数进行实时监测,文章在大量数据采集模拟实验的基础上,设计了基于数据信号处理器TMS320F2812为核心的多通道数据采集系统,可对混合动力汽车动力电池组各项参数同时进行采集,并应用CAN总线实现了采集模块与处理模块的通信,最后通过串口与LabVIEW接口通信,实现数据的读取,试验表明,此系统能准确地采集各个电压信号,工作迅速可靠,为电池管理系统的构建奠定了基础.     

汽车质心侧偏角融合估计方法EI北大核心CSCD

基于质心侧偏角的运动学与动力学估计方法,提出了一种新的质心侧偏角融合估计器。它有3个基于不同估计模型的卡尔曼子滤波器,分别独立估计横向车速,并作为初步估计结果送入主滤波器,主滤波器根据信息融合规则,对这些初步估计结果进行融合,得到全局融合估计结果,最后用它算出质心侧偏角。实车试验结果显示,相比于单一估计方法,融合估计器有更高的估计精度和对传感器信号偏差的鲁棒性。     

电池管理系统中基本物理量的采集方法

根据电池管理系统的发展现状,列举了该类系统中电压、电流和温度采集的常用方法。     

模块化的HEV锂离子电池管理系统

混合动力汽车(HEV)对蓄电池管理系统的设计提出了特殊的要求，在详细分析HEV对锂离子电池管理系统的要求的基础上，介绍了一种锂离子动力电池管理系统的实现方案，该方案具有模块化设计、单电池电压精确测量、电压均衡等特点，并进行了台架试验，验证了该方案的可行性。     

电动汽车电池管理系统的研究与实现

随着电动汽车发展的热潮一浪卷一浪,我国电池管理技术趋于成熟。现在的产业链打通也为日后向更高层次的电池运用管理打下了坚实的基础。为解决电动汽车电池管理系统的问题,研究了一种基于电压、电流、温度和阻抗的电池管理系统。首先,分析了系统工作原理,确定了蓄电池电压和电流控制策略;然后,设计了一种新型电池充放电管理算法,并基于Matlab开发出了上位机软件;最后,对所设计的系统进行验证。     

燃料电池汽车碰撞试验程序和方法研究

<正>燃料电池汽车在被动安全方面具有两个重要特点:一是车内安装有包括燃料电池在内的高电压动力回路,其电压远远超过安全电压;二是有一个高压供氢系统,其氢泄漏造成的危险性很大;相对传统汽车来说,燃料电池汽车对碰撞安全性提出了新的更高要求。基于以上考虑,有必要对燃料电池汽车碰撞试验程序和方法进行研究。燃料电池汽车碰撞试验不同于普通的汽车,和普通的电动汽车相比增加了氢系统和燃料电池堆,其和普通电动汽车碰撞试验类别相同,涉及同样因电池类型、电池在车辆中的布置位置等影响动力电池在进行     

基于LabView的新能源汽车电池数据监控系统设计

电池管理系统是影响新能源汽车动力电池组正常、高效工作的决定性因素。通过对电池管理系统关键数据的监控,可以帮助测试人员及时发现电池组和电池管理系统存在的问题并及时修正。文章基于LabView2011图形化编程平台,设计了一套新能源汽车电池数据监控系统。系统中以CAN总线为通信媒介,通过使用图形化界面采集电池管理系统中的关键数据并以图形、图表、数字的方式直观显示,并且在系统中使用SQLServer数据库对系统工作中产生的关键数据进行实时存储和分析。     

车辆目标跟踪工程实现中的滤波器选型

Level 3级以下的智能驾驶系统对成本极为关注,因而主控芯片一般选择算力有限的车规级微控制器。为了保证微控制器中传感器融合算法运动预测的准确性并在设定的周期内结束运行,需要对滤波器的类型进行选择。文章从传感器融合算法的跟踪效果和计算耗时两个维度对比了线性卡尔曼、扩展卡尔曼、无迹卡尔曼及容积卡尔曼滤波器的优劣。为了确保对比的公正性和有效性,设定的跟踪目标车辆均按照美国城市道路循环工况运行,滤波器的设计均假定目标做匀加速运动。结果表明,4类滤波器的跟踪效果差异微小。线性卡尔曼滤波器计算耗时均值最小且最大计算耗时为0. 005 6 s,是文章推荐的适合于车辆目标跟踪的滤波器。     

基于交互式多模型和容积卡尔曼滤波的汽车状态估计

基于UniTire轮胎模型建立了包含时变噪声统计特性的汽车动力学7自由度整车模型。针对系统状态噪声和观测噪声统计特性未知的问题,提出了一种基于交互式多模型和容积卡尔曼滤波(IMM-CKF)车辆状态估计算法。该算法采用包含不同系统状态噪声和观测噪声统计特性的汽车动力学模型作为交互式多模型算法的模型集,用容积卡尔曼滤波器对每个子模型的车辆状态进行估计,并使融合输出结果始终保持跟踪估计误差小的子模型输出。最后利用实车场地环境下多种驾驶工况的测试数据对IMM-CKF算法进行离线验证,并与容积卡尔曼滤波器的估计结果进行对比,结果表明其估计性能优于容积卡尔曼滤波器。     

扩展卡尔曼滤波器在车辆状态预测中的应用

如何避免车辆在行驶过程中与其他交通参与者特别是车辆发生碰撞,一直是车载主动安全系统所要解决的问题,同时主动安全系统对危险状态提前预知的要求越来越高。对此,提出一种基于扩展卡尔曼滤波器的车辆运动状态预测方法。该方法通过自车传感器实时探测周围车辆的运动状态参数,并利用扩展卡尔曼滤波器对被观测车辆的空间位置进行估计。将预测车辆状态和真实值进行比较,结果表明此模型能准确地对车辆运动状态进行预测。     

基于卡尔曼滤波和特征指数化的电动汽车电池故障诊断方法研究

针对电池组内的热失控、内短路等故障问题，提出了一种基于卡尔曼滤波和特征指数化的电池故障在线诊断方法。首先基于历史数据和卡尔曼滤波方法对电压数据进行降噪，可有效去除异常点，并提出一种特征指数化方法以提取和放大电池组单体之间的电压特征。最后，为了减少电池组不一致性导致的单体电池故障误报，提出一种基于余弦相似度的故障值计算方法以提高算法诊断精确度，并实现故障电池的在线自动检测和定位。云端车辆数据验证结果表明，所提出的基于卡尔曼滤波和特征指数化的电池故障诊断算法能够有效地检测故障电池并进行预警。