資源描述：
《電動(dòng)汽車(chē)鋰電池soc估計(jì)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、電動(dòng)汽車(chē)鋰電池SOC估計(jì)研究重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：齊洋洋指導(dǎo)教師：熊慶宇教授專(zhuān)業(yè)：控制科學(xué)與工程學(xué)科門(mén)類(lèi)：工學(xué)重慶大學(xué)自動(dòng)化學(xué)院二O一五年五月StudyonSOCEstimationofLithiumBatteryofElectricVehiclesAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByQiYangYangSupervisedbyP
2、rof.XiongQingYuSpecialty:ControlScienceandEngineeringCollegeofAutomationofChongqingUniversity,Chongqing,ChinaMay,2015重慶大學(xué)碩士學(xué)位論文中文摘要摘要石油等化石能源的漸近枯竭和城市大氣環(huán)境的日益惡劣促使人類(lèi)開(kāi)始尋找更加節(jié)能、環(huán)保的交通工具以替代傳統(tǒng)內(nèi)燃汽車(chē)，因此以動(dòng)力電池為動(dòng)力源的電動(dòng)汽車(chē)得以迅速發(fā)展。電池的荷電狀態(tài)（StateofCharge，SOC）作為電池動(dòng)力性能、估計(jì)汽車(chē)?yán)m(xù)航里程的重要指標(biāo)，對(duì)其估算的準(zhǔn)確
3、性直接影響駕駛者對(duì)電池狀態(tài)的掌握和行駛計(jì)劃的制定，甚至關(guān)乎其對(duì)電動(dòng)汽車(chē)的接受程度。然而對(duì)動(dòng)力電池SOC估算的研究還處于起步階段，各類(lèi)算法在適用性和實(shí)用性方面尚存不足。本文以電動(dòng)汽車(chē)電池SOC作為研究目標(biāo)，以被廣泛采用的磷酸鐵鋰電池作為研究對(duì)象，展開(kāi)討論。首先對(duì)現(xiàn)有電池SOC估計(jì)方法進(jìn)行總結(jié)、分析，針對(duì)電動(dòng)汽車(chē)鋰電池靜態(tài)充電和汽車(chē)行駛時(shí)電池動(dòng)態(tài)放電兩種狀態(tài)，分別建立兩種網(wǎng)絡(luò)模型進(jìn)行研究。對(duì)于靜態(tài)充電過(guò)程，提出基于粒子群優(yōu)化算法的最小二乘向量機(jī)估算方法。該方法利用粒子群算法收斂速度快和全局尋優(yōu)的特點(diǎn)優(yōu)化最小二乘向量機(jī)模型的參數(shù)，解
4、決了電池SOC估計(jì)非線性模型參數(shù)優(yōu)化問(wèn)題。針對(duì)電動(dòng)汽車(chē)行駛過(guò)程中鋰電池放電受環(huán)境影響，參數(shù)動(dòng)態(tài)變化，提出基于改進(jìn)自組織遞歸模糊神經(jīng)網(wǎng)絡(luò)（Self-organizingRecurrentFuzzyNeuralNetwork，SRFNN）模型算法對(duì)電池SOC進(jìn)行在線估計(jì)。改進(jìn)的SRFNN網(wǎng)絡(luò)結(jié)構(gòu)在TSK型網(wǎng)絡(luò)結(jié)構(gòu)模糊規(guī)則的后件部分引入函數(shù)鏈接型神經(jīng)網(wǎng)絡(luò)（FLANN），以增強(qiáng)反饋映射能力。前件部分和遞歸參數(shù)學(xué)習(xí)采用梯度下降法，后件參數(shù)的學(xué)習(xí)更新采用卡爾曼濾波法算法。模型的初始規(guī)則數(shù)為零，所有的模糊規(guī)則都是通過(guò)結(jié)構(gòu)和參數(shù)同時(shí)在線學(xué)習(xí)產(chǎn)
5、生。通過(guò)MATLAB用兩種網(wǎng)絡(luò)模型分別對(duì)電池靜態(tài)充電和動(dòng)態(tài)放電狀態(tài)下SOC估計(jì)進(jìn)行驗(yàn)證。粒子群最小二乘向量機(jī)算法無(wú)論從模型精度還是穩(wěn)定性都能夠?qū)Α办o態(tài)”電池SOC實(shí)現(xiàn)較為準(zhǔn)確的估計(jì)。改進(jìn)SRFNN算法也具有較強(qiáng)的學(xué)習(xí)能力，與典型的TSK型自組織遞歸模糊神經(jīng)網(wǎng)絡(luò)模型和遞歸模糊神經(jīng)網(wǎng)絡(luò)模型比較，在保證較好泛化能力的同時(shí)，能夠有較好的逼近精度，可以實(shí)現(xiàn)對(duì)鋰電池SOC的在線估計(jì)。關(guān)鍵詞：電動(dòng)汽車(chē)，鋰電池，SOC估計(jì)，最小二乘向量機(jī)，模糊神經(jīng)網(wǎng)絡(luò)I重慶大學(xué)碩士學(xué)位論文英文摘要ABSTRACTDuetotheasymptoticdeple
6、tionoffossilenergyespeciallypetroleum,aswellastheincreasinglydeteriorationofurbanatmosphericenvironment,peopleareurgedtoexplorenoveltraffictoolswhicharemoreenergy-savingandenvironmentalfriendlytoreplaceconventionalfuelones,thereforethebatterypoweredelectricvehiclesh
7、aveenteredtheirrapiddevelopment.Thestageofcharge(SOC)ofthebatteryisthesignificantparametertoestimatebatteryperformanceandmileagerangesofelectricvehicles,ofwhichtheestimationaccuracydirectlyaffectsthedriverlearningthebatterystatusandschedulingdriveplan,evenimpactsthe
8、publicacceptanceofelectricvehicles.However,thestudyofSOCestimationstillstagnatesintheinitialstageandallkindsofestimationalgorithmsarelacko
