混合动力汽车能量管理策略及SOC估计研究

发布时间：2017-05-02 10:02

  本文关键词：混合动力汽车能量管理策略及SOC估计研究，由笔耕文化传播整理发布。

【摘要】： 汽车自发明以来,在给人们带来方便的同时也给人们带来了诸多挑战,比如能源短缺和环境恶化等。发展清洁、高效、错能的新型交通工具是交通可持续发展的必然要求,因此,开发低油耗、低排放的新型汽车成为当今汽车工业发展的首要任务。在此背景下,融合了传统燃油汽车和纯电动汽车优点的混合动力汽车(HEV)因其高燃油经济性和低排放,成为目前各国汽车行业关注的重点和商品化主流。 混合动力汽车驱动系统组成的复杂性决定了能量管理策略设计的复杂性,在满足动力性能的前提下,能量管理策略控制各个部件之间能量流的大小和流向,因此能量管理策略对于合理利用车载能量,实现节能环保具有十分重要的意义。另一方面,动力电池的荷电状态(SOC)是制定能量管理策略的一个重要依据,同时也是合理使用电池的主要依据,因此,需要对电池SOC进行准确估计。但是由于电池特性在使用过程中表现出高度的非线性,一直以来SOC估计是公认的国际性难题。本文对混合动力汽车的能量管理策略和SOC估计进行了研究,主要内容如下: 首先介绍了混合动力汽车的开发背景、研究现状和前景,着重介绍了混合动力汽车能量管理策略(EMS)和SOC估计的研究现状,分析了目前能量管理策略和SOC估计的主要方法、存在问题以及改进方向。 然后讨论了并联式混合动力汽车能量管理策略原理,分析了目前几种主要的能量管理策略,设计了基于对角回归型神经网络(DRNN)的并联式混合动力汽车能量管理策略,详细论述了该策略的设计过程,并在电动汽车仿真软件ADVISOR上进行了仿真实验。仿真结果表明该策略能有效降低油耗,比逻辑门限能量管理策略的燃油经济性高,同时比等效油耗最小能量管理策略计算简单,响应更快,适于实时应用。 接下来针对动力电池SOC估计进行了研究,分析对比了现有的几种SOC估计方法,分别采用神经网络和卡尔曼滤波(KF)两种方法进行了SOC估计,并基于这两种方法提出了神经网络和卡尔曼滤波结合的SOC估计方法。仿真结果表明,结合的方法可以实现SOC的高精度估计,而且比单纯的神经网络法鲁棒性好,比单纯的卡尔曼滤波法计算量小。 最后设计了基于智能电池监测芯片DS2438的SOC估计实验系统,该系统可以测量每节电池的温度、电压和电流,估算电池SOC值,并将结果进行显示作为制定能量管理策略和合理利用电池的依据。给出了硬件电路连接图和软件流程,并说明了具体的设计过程。
【关键词】：混合动力汽车 能量管理策略 对角回归型神经网络 卡尔曼滤波 SOC估计
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：U469.7
【目录】：

• 摘要10-12
• ABSTRACT12-14
• 第一章 绪论14-23
• 1.1 混合动力汽车开发背景14-15
• 1.2 混合动力汽车分类15-17
• 1.3 混合动力汽车发展现状和前景17-18
• 1.4 混合动力汽车能量管理策略研究现状18-20
• 1.5 动力电池 SOC估计研究现状20-22
• 1.6 本文主要研究内容22-23
• 第二章 并联式混合动力汽车能量管理策略基础23-34
• 2.1 并联式混合动力汽车工作模式23-25
• 2.2 能量管理策略原理25-26
• 2.3 能量管理策略分类26-29
• 2.3.1 逻辑门限能量管理策略27
• 2.3.2 模糊控制能量管理策略27-28
• 2.3.3 基于神经网络的能量管理策略28
• 2.3.4 瞬时优化能量管理策略28-29
• 2.3.5 全局最优能量管理策略29
• 2.4 电动汽车仿真软件29-33
• 2.5 小结33-34
• 第三章 基于神经网络的并联式混合动力汽车能量管理策略34-50
• 3.1 能量管理策略的制定34-40
• 3.1.1 逻辑门限策略设计34-37
• 3.1.2 等效燃油消耗最小策略37-39
• 3.1.3 逻辑门限和等效油耗最小结合的能量管理策略39-40
• 3.1.4 考虑SOC的修正40
• 3.2 基于神经网络的能量管理策略实现40-45
• 3.2.1 神经网络基础40-42
• 3.2.2 对角回归型神经网络42-44
• 3.2.3 对角回归型神经网络控制器构建及训练44-45
• 3.3 仿真实验及结果分析45-49
• 3.4 小结49-50
• 第四章 混合动力汽车动力电池 SOC估计方法50-64
• 4.1 影响 SOC的因素50-51
• 4.2 SOC估计方法分类51-53
• 4.3 神经网络法估计 SOC53-56
• 4.3.1 神经网络结构设计53-54
• 4.3.2 神经网络的训练54
• 4.3.3 神经网络估计 SOC的仿真结果54-56
• 4.4 卡尔曼滤波法估计 SOC56-61
• 4.4.1 卡尔曼滤波基础56-57
• 4.4.2 动力电池模型57-59
• 4.4.3 卡尔曼滤波估计 SOC的仿真结果59-61
• 4.5 神经网络与卡尔曼滤波结合估计 SOC61-63
• 4.6 小结63-64
• 第五章 基于DS2438的动力电池SOC估计实验系统设计64-77
• 5.1 SOC估计实验系统设计方案64-65
• 5.2 智能电池监测芯片 DS243865-68
• 5.2.1 DS2438性能65-66
• 5.2.2 DS2438组成66-67
• 5.2.3 DS2438操作67-68
• 5.3 动力电池SOC估计实验系统硬件设计68-71
• 5.3.1 电流检测电路68
• 5.3.2 电压检测电路68-70
• 5.3.3 DS2438和主控制器的硬件连接70-71
• 5.4 动力电池SOC估计实验系统软件设计71-76
• 5.4.1 CPLD程序设计71-72
• 5.4.2 电池巡检程序设计72
• 5.4.3 DS2438程序设计72-75
• 5.4.4 SOC估计和显示程序设计75-76
• 5.5 小结76-77
• 第六章 总结与展望77-78
• 参考文献78-83
• 致谢83-84
• 硕士期间发表的学术论文及参加的科研项目84-85
• 学位论文评阅及答辩情况表85

【引证文献】

中国重要会议论文全文数据库 前1条

1 张国红;崔纳新;樊娟娟;;电动汽车锂离子电池管理系统设计[A];2011中国电工技术学会学术年会论文集[C];2011年

中国硕士学位论文全文数据库 前9条

1 陈贵峰;基于ARM9的蓄电池管理系统的研究[D];河北农业大学;2011年

2 步刚;Plug-In混合动力汽车能量管理策略研究[D];山东大学;2011年

3 沈超;水下机器人锂电池管理系统研究[D];哈尔滨工程大学;2011年

4 岳宏超;柴电混合动力某轻型商用车动力系统设计与控制研究[D];南京理工大学;2012年

5 李广;混合动力公交客车电池组参数匹配及整车控制策略研究[D];吉林大学;2012年

6 申思;基于汽车尾气废热温差发电系统的车载电源能量管理系统研究[D];武汉理工大学;2012年

7 凌牧;动力电池管理系统研究[D];天津理工大学;2012年

8 樊娟娟;基于预测控制的并联式混合动力汽车能量管理策略研究[D];山东大学;2012年

9 谌文文;ISG混合动力汽车动力系统匹配与参数优化的研究[D];合肥工业大学;2012年

  本文关键词：混合动力汽车能量管理策略及SOC估计研究，，由笔耕文化传播整理发布。

本文编号：340719