基于三维激光扫描的物体重构建模

针对锂离子电池SOC(荷电状态)难以估算的问题,通过对电池建立等效的Thevenin电路模型,对不同时刻的SOC的模型参数进行拟合得到动态的模型参数,在Matlab中借助Simulink建立仿真模型,采用模块化结构,建立基于卡尔曼滤波算法的电池SOC估算系统;利用测得的电池电压电流,仿真系统可直接估算出实时的电池SOC,与实际的电池SOC对比,误差保持在2.5%以内,表明该方法可以有效的估计电池的SOC,对于锂离子电池在实际应用的容量估算有着重要意义。     

基于单粒子模型与偏微分方程的锂离子电池建模与故障监测

锂离子电池内部结构是一种复杂的分布参数系统, 如果为了降低计算难度而使用常微分方程描述锂离子电池, 可能会引入系统误差, 降低系统模型的可信度, 需要使用偏微分方程建立分布参数系统的精确模型. 本文提出了一种基于单粒子模型和抛物型偏微分方程的锂离子电池系统建模与故障监测系统设计方法, 当锂离子浓度实测值与理想值的残差大于预设门槛时判定分布参数系统处于故障状态. 通过一个仿真实例进行了锂离子电池系统建模和故障诊断实验, 实验证明基于单粒子模型和偏微分方程的锂离子电池故障监测系统具有更高的精确度和可信度.     

基于分布参数系统和单粒子模型的锂离子电池工作状态实时监控模型

提出了一种基于分布参数系统偏微分方程描述和单粒子模型的锂离子电池工作状态实时监控建模方法,能够实时跟踪锂离子电池阳极的锂离子密度和残差变化,并通过仿真实验验证了本文模型对锂离子电池工作状态故障报警的有效性和精确性.     

基于扩展单粒子模型的锂离子电池参数识别策略

为了精确识别电动汽车锂离子动力电池的关键状态参数,基于多孔电极理论和浓度理论,建立了一种考虑液相动力学行为的锂离子电池扩展单粒子模型.相较于传统单粒子模型,该模型增加了对负电极表面固体电解质界面膜参数的描述,并考虑了温度和液相浓度变化对锂离子电池关键参数的耦合影响.基于所建立的扩展单粒子模型,提出一种简化的参数灵敏度分析方法和有效的锂电池参数识别策略,用以确定特定工况下的高灵敏度待识别参数,进而利用遗传算法实现参数的优化求解.最后,通过对比分析本文模型和传统单粒子模型的仿真输出电压和相同工况下电池的实验输出电压验证了提出模型和参数识别方法的有效性和可行性,为电池管理系统的健康状态估计提供了理论基础.     

多层多孔锂离子电池结构的导波频散特征及其应用EI北大核心CSCD

采用状态矩阵与勒让德级数联合法,同步联立Biot理论,构建多层多孔锂离子电池声传播特性理论模型,以厚1.9 mm软包钴酸锂电池为例,数值分析了荷电状态(State of Charge,SOC)对多模态频散曲线的影响规律。同时,建立了电池中的声传播特性频域仿真模型,提取频域仿真中的超声导波频散曲线。此外,以体积小、柔性强的压电纤维复合材料(Macro Fiber Composite,MFC)为基础,实验探究了不同SOC对锂离子电池中声学行为的影响。采用互相关分析获取电池放电过程中声波渡越时间的偏移规律,建立了1.9 mm软包钴酸锂电池的声学波动行为与电池SOC间的映射关系。     

基于遗传算法的锂离子电池等效电路参数识别

结合锂离子电池双极性等效电路模型提出了一种基于遗传算法的参数识别方法,该方法通过指数函数对电路模型中的电阻、电容、恒压源等元件进行有理逼近,根据电池在不同充放电速率下的输出电压特性数据,通过实数编码遗传算法得到最优的函数参数,从而得到最优的电阻、电容,开路电压等电路参数值,针对电池在不同的工作状态,不同的工作参数下的运行数据,系列仿真和实验结果表明该算法原理简明,收敛较快,辨识得到的最优模型其电压输出特性与电池的实际电压输出特性基本吻合,能较精确的反映电池的实际特性,具有较高的辨识精度。     

基于等效模型和多时间尺度扩展卡尔曼滤波的锂离子电池SOC预测

荷电状态(SOC)和最大可用电量估计是锂离子电池寿命预测中的两个最重要部分;然而与快速时变的SOC比较,最大可用电量的参数变化缓慢;文章提出了一个基于等效模型和多时间尺度的扩展卡尔曼滤波(EKF)预测算法对SOC和最大可用容量分别在不同时间尺度上进行估计,在宏观尺度上利用了SOC估计值作为观测量,更新最大可用电量;针对NCA/C卫星锂离子电池实验数据的仿真结果表明,提出的多时间尺度EKF预测算法与EKF联合估计算法相比,SOC和最大可用电量估计准确度更高,同时提高了计算效率。     

基于反激式直流变换器的电池均衡系统仿真研究

针对电动汽车锂离子电池组在工作过程中出现的能量不一致现象,设计了一种基于反激式直流变换器的主动均衡电路,包括电源转换、信号采集、驱动电路以及均衡器4个模块。研究了均衡系统的拓扑结构和工作原理以及控制策略,阐述了反激式直流变换器与锂离子电池的建模方法,针对电池组8种典型的非均衡工况,进行了混合策略下的5 kHZ高频仿真实验,实验用电池SOC从44.3%到55.7%均有涉及,仿真与实验结果误差均在10%以内,验证了PSIM仿真电路与同轴多绕组变压器与电池建模方法以及混合控制策略的正确性。     

基于电池热特性及产热行为的新型锂离子电池评价

建立了一种新的基于锂离子电池热特性及产热行为的电池性能评价方法. 通过测量一系列不同容量及电极材料的18650电池在不同充放电时间及电流下其充放电能量的变化,建立了一个包含焦耳热与极化热影响因子的表达电池在充放电过程中的能量损失的模型. 利用这种模型,计算出电池总内阻R以及极化参数′,并且对R及′在不同温度下的变化情况进行了研究,建立一个对不同电池和不同温度都适用的普适性模型.     

包含液相扩散方程简化的锂离子电池电化学模型

锂离子电池的电化学模型对于电池特性分析和电池管理具有重要意义,但是准二维(P2D)模型复杂度太高,为了在保证模型精度的基础上尽量降低复杂度,本文提出了一种包含液相简化的P2D (LSP2D)模型,该模型首先基于电化学平均动力学将电池端电压化简成为仅耦合固相Li+浓度c_s和液相Li+浓度c_e的方程,然后进一步对表达c_s和c_e演化规律的偏微分方程进行抛物线近似化简,使得最终的模型由多项式组成.COMSOL仿真表明在放电倍率为1C时该模型与单粒子(SP)模型的估算精度和速度相当,但在放电倍率为3C时,该模型的估算时间比P2D模型减少了99.73%,与SP模型相当,估算精度相比SP模型有大幅度提升.     

基于分布参数估计的锂离子电池故障预测建模

Lithium ion battery has typical character of distributed parameter system, and can be described precisely by partial differential equations and multi-physics theory because lithium ion battery is a complicated electrochemical energy storage system. A novel failure prediction modeling method of lithium ion battery based on distributed parameter estimation and single particle model is proposed in this work. Lithium ion concentration in the anode of lithium ion battery is an unmeasurable distributed variable. Failure prediction system can estimate lithium ion concentration online, track the failure residual which is the difference between the estimated value and the ideal value. The precaution signal will be triggered when the failure residual is beyond the predefined failure precaution threshold, and the failure countdown prediction module will be activated. The remaining time of the severe failure threshold can be estimated by the failure countdown prediction module according to the changing rate of the failure residual. A simulation example verifies that lithium ion concentration in the anode of lithium ion battery can be estimated exactly and effectively by the failure prediction model. The precaution signal can be triggered reliably, and the remaining time of the severe failure can be forecasted accurately by the failure countdown prediction module.     

Adaptive Kalman filter based state of charge estimation algorithm for lithium-ion battery

In order to improve the accuracy of the battery state of charge(SOC) estimation, in this paper we take a lithiumion battery as an example to study the adaptive Kalman filter based SOC estimation algorithm. Firstly, the second-order battery system model is introduced. Meanwhile, the temperature and charge rate are introduced into the model. Then, the temperature and the charge rate are adopted to estimate the battery SOC, with the help of the parameters of an adaptive Kalman filter based estimation algorithm model. Afterwards, it is verified by the numerical simulation that in the ideal case, the accuracy of SOC estimation can be enhanced by adding two elements, namely, the temperature and charge rate.Finally, the actual road conditions are simulated with ADVISOR, and the simulation results show that the proposed method improves the accuracy of battery SOC estimation under actual road conditions. Thus, its application scope in engineering is greatly expanded.     

基于DSP的电动汽车锂电池荷电状态估算的研究与实现

锂电池荷电状态(SOC)的准确估算是电动汽车能源管理的关键技术。为了提高锂电池SOC的估算精度,将无迹卡尔曼滤波(UKF)应用于锂电池SOC估算,以减小拓展卡尔曼滤波(EKF)简单线性化带来的误差。搭建电池检测系统的硬件平台,以TMS320F28335型数字信号处理器(DSP)为主控芯片(MCU),实现电压、电流、温度的检测及UKF算法,并设计了相关的电池测试实验。实验结果表明,UKF可以实时估算锂电池SOC,估算误差在4%以内,高于传统的拓展卡尔曼滤波(EKF)。     

Ternary-material lithium-ion battery SOC estimation under various ambient temperature

Ambient temperature produces great effects on battery state-of-charge (SOC) estimation, due to the unstable estimation algorithm, the weakened traceability of battery model, and variable model parameters at various temperatures, especially lower temperatures. The widely used method based on the equivalent circuit model (ECM) offline in using different algorithm, like current integral, the extended Kalman filter (EKF), or the unscented Kalman filter (UKF), can obtain an accurate SOC estimation at room temperature, but it is difficult to guarantee the high precision at lower temperatures. To address this problem, the battery model is investigated at different temperature, and an offset item is proposed to develop the observer equation in the estimated model. Then, the square root of the Sigma points Kalman filter (SR-UKF) is applied, and on the basis of the individual model parameter-temperature table and the developed model, the high accuracy of SOC estimation is achieved. Additionally, considering the burden of original parameter modification (all model parameters modified) at various temperature which will increase the product cost and computational complexity of the battery management system (BMS), the relationship between individual model parameter and the error of SOC estimation is built, which is helpful for the simplification of parameter modification. The results indicate that the proposed method based on the developed estimated model and the simplified parameter modification can achieve an accurate, stable, and efficient SOC estimation.     

锂离子电池多尺度数值模型的应用现状及发展前景

锂离子电池是一种较为复杂的电化学系统, 其涵盖质量传递、电荷传递、热量传递以及多种电化学反应等物理化学过程. 其不仅物理尺度跨越大, 从微观活性颗粒、极片、电芯跨越到电池模组, 还面临着成组配对以及均衡性的问题, 这些问题加剧了电池设计和性能综合评估的难度. 通过计算机数值仿真技术, 建立数学模型, 全面和系统地捕捉电池工作过程各物理场的相互作用机理, 分析其演化规律, 能够为优化电池系统设计提供理论支撑. 本文对锂离子电池的数值模型研究进展和发展趋势进行了综述. 同时对主要理论模型进行了分类整理, 总结了它们的特点、适用范围和局限性, 指出了将来进一步研究的方向和难点所在, 这些对锂离子电池多尺度数值模型的理论研究和工程应用都具有指导性的意义.     

考虑内阻时变特性的电池状态估计方法

针对锂离子电池欧姆内阻随温度变化情况,提出了一种考虑内阻时变特性的两步无迹H∞滤波锂电池状态估计方法。首先,对锂电池和内阻抗进行分开建模,在电池Thevenin模型的基础上构建内阻抗预测模型,实时修正模型参量;接着,将无迹变换嵌入到扩展H∞滤波中,降低测量噪声对估计精度的扰动,从而提高电池荷电状态的估计精度。最后,在实验室环境下对电池进行充放电实验,分别针对降温和升温情况下的内阻值及电池端电压的估计进行了详细的实验分析,同传统方法相比,本文方法具有较高的估计精度。     

自动引导车电池SOC估算方法研究

自动引导车(AGV车)工况特殊,电流积分法估算电池剩余容量(SOC)误差较大,而且存在累积误差。为了提高AGV车电池剩余容量估算的准确度,对扩展卡尔曼滤波法估算AGV车电池剩余容量进行了研究,分析了AGV车特殊工况,提出将扩展卡尔曼滤波法的滤波增益改进为动态调整滤波增益,有效提高扩展卡尔曼滤波法的跟踪效果。实验表明使用扩展卡尔曼滤波法估算AGV车电池剩余容量精度较高,采用动态校正的滤波增益提高了估算过程的跟踪效果,解决了AGV车电池剩余容量估算不准确的问题。