锂离子电池过充及过放电故障诊断研究

发布时间：2017-08-11 16:37

  本文关键词：锂离子电池过充及过放电故障诊断研究

  更多相关文章： 锂离子电池 故障诊断 多模型估计 卡尔曼滤波

【摘要】：迫于环境和能源的压力,发展电动汽车成为当今世界汽车行业的必然选择。然而,作为电动汽车动力之源的电池由于面临着安全性和耐久性的挑战,使得电动汽车的推广及产业化发展受到制约。过充电、过放电是动力电池使用过程中存在的典型问题,对电池的安全和耐久性有着较大的影响。因此,快速并准确地检测出过充、过放现象对于提升动力电池的安全性能并延长其使用寿命具有重要意义。本文以当前电动汽车中应用广泛的锂离子电池为研究对象,对其在使用过程中容易出现的过充、过放故障进行诊断研究。首先,从锂离子电池的充放电特性和不一致性问题着手,探讨过充电及过放电现象产生的原因及导致的后果。对锂离子电池过充、过放行为的分析表明:过充电可能造成锂离子电池的热失控从而引发严重的安全事故;过放电会给电池带来不可逆的损伤,大幅度的容量衰减致使电池寿命缩短而提前报废。其次,对目前比较常见的电池模型进行了分析,综合考虑锂离子电池的使用实际及已有电池模型的优点,建立了锂离子电池的二阶阻容模型,并由此推导出其状态空间方程。通过恒流放电实验完成了电池开路电压与荷电状态关系的标定,然后利用脉冲实验法获取电池模型参数。在Matlab/Simulink平台下搭建了电池的动态仿真模型,采用恒流放电和脉冲放电两种工况对模型精度进行验证。结果显示模型适用性较好,能够用于不同参数的锂离子电池模拟仿真。最后,针对锂离子电池在发生过充、过放行为时内部参数的变化,提出了基于卡尔曼滤波的多模型估计诊断方法,并进行仿真分析。依据锂离子电池在过充、过放条件下的不同参数,结合二阶阻容等效电路构造电池相应故障模型。卡尔曼滤波器对每个模型的输出电压进行估计并产生残差信号。滤波残差通过假设检验计算进而得出每个模型的概率。仿真结果显示,模拟的电池故障能被准确地辨识出来,表明多模型估计方法对于锂离子电池的过充、过放故障诊断的有效性。
【关键词】：锂离子电池 故障诊断 多模型估计 卡尔曼滤波
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM912
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-19
• 1.1 课题研究背景和意义9-13
• 1.1.1 电动汽车技术的发展9-10
• 1.1.2 动力电池发展现状10-12
• 1.1.3 锂离子电池存在的问题12-13
• 1.2 故障诊断方法概述13-15
• 1.2.1 基于解析模型的故障诊断方法13-14
• 1.2.2 基于信号处理的故障诊断方法14
• 1.2.3 基于知识的故障诊断方法14-15
• 1.3 电池故障诊断国内外研究现状15-17
• 1.3.1 电池故障诊断国外研究现状15-16
• 1.3.2 电池故障诊断国内研究现状16-17
• 1.4 本文主要研究内容17-19
• 第二章 锂离子电池机理及过充过放分析19-28
• 2.1 锂离子电池原理与特性19-23
• 2.1.1 锂离子电池的原理19-20
• 2.1.2 锂离子电池的性能参数20-22
• 2.1.3 锂离子电池的极化现象22-23
• 2.2 锂离子电池的充放电特性23-24
• 2.3 锂离子电池的不一致性24-25
• 2.4 锂离子电池的过充和过放分析25-27
• 2.4.1 锂离子电池过充电25-26
• 2.4.2 锂离子电池过放电26-27
• 2.5 本章小结27-28
• 第三章 锂离子电池模型的建立28-47
• 3.1 电池模型概述28-29
• 3.2 常用电池模型分析29-35
• 3.2.1 电化学模型29
• 3.2.2 神经网络模型29-30
• 3.2.3 等效电路模30-35
• 3.3 本文所用电池模型35-41
• 3.3.1 OCV与SOC关系模型36-38
• 3.3.2 模型参数辨识38-41
• 3.4 模型仿真验证41-45
• 3.4.1 仿真模型的建立41-43
• 3.4.2 模型仿真精度分析43-45
• 3.5 本章小结45-47
• 第四章 基于多模型估计的过充过放故障诊断47-66
• 4.1 多模型估计基本原理47-48
• 4.2 多模型自适应卡尔曼滤波算法48-53
• 4.2.1 卡尔曼滤波算法48-49
• 4.2.2 多模型自适应卡尔曼滤波器49-52
• 4.2.3 模型权值计算52-53
• 4.3 锂离子电池故障诊断模型设计53-56
• 4.3.1 构造卡尔曼滤波器模型53-54
• 4.3.2 多模型估计器设计54-56
• 4.4 模型故障诊断验证与分析56-65
• 4.4.1 恒流放电工况下的故障诊断61-63
• 4.4.2 快速变化电流工况下的故障诊断63-65
• 4.5 本章小结65-66
• 结论与展望66-68
• 结论66
• 展望66-68
• 参考文献68-73
• 攻读学位期间取得的研究成果73-74
• 致谢74

【参考文献】

中国期刊全文数据库 前10条

1 刘春娜;;特斯拉汽车电池技术及策略[J];电源技术;2014年07期

2 戴海峰;王楠;魏学哲;孙泽昌;王佳元;;车用动力锂离子电池单体不一致性问题研究综述[J];汽车工程;2014年02期

3 吕帅帅;汪兴兴;倪红军;袁银男;;电动汽车能量管理系统的功能及研究进展[J];电源技术;2014年02期

4 侯恩广;乔昕;刘广敏;李杨;;动力锂电池SOC估计的建模与仿真[J];计算机仿真;2014年02期

5 李恒;张丽鹏;于先进;;锂离子电池正极材料的研究进展[J];硅酸盐通报;2012年06期

6 魏克新;陈峭岩;;基于多模型自适应卡尔曼滤波器的电动汽车电池荷电状态估计[J];中国电机工程学报;2012年31期

7 周鹏;;动力锂电池的充电及保护应用[J];电源技术;2012年05期

8 黄贤广;张彩萍;;电动车辆锂离子电池电路模型适用性研究[J];电源技术;2011年11期

9 米林;赵孟娜;秦甲磊;吴旋;;基于径向基函数神经网络的电动汽车动力电池SOC模型[J];重庆理工大学学报(自然科学);2011年10期

10 王振庆;罗晓;苏志高;柳士江;;一种电动汽车远程实时监控系统[J];硅谷;2011年18期

，

本文编号：657160