论文部分内容阅读
当前,传统汽车工业为实现经济可持续发展正走向电动汽车等节能减排新路线。动力电池作为电动汽车的动力源,其性能的优越性和循环寿命的长短影响电动汽车的发展。动力蓄电池在使用过程中的能量管理对其性能和寿命影响较大,动力蓄电池荷电状态(State of Charge,SOC)是电动车辆用动力电池能量管理中非常重要的参数,需要准确估算。蓄电池本身是个复杂的、封闭的电化学反应系统,且影响SOC估算精度的因素很多,其中估算算法本身对其影响尤为突出,因此提炼出一种准确有效的SOC估算算法,在理论上提高蓄电池的使用效率,对增加电动汽车续驶里程、延长使用寿命、降低运行成本,有着重要的意义。本文针对快速、准确估算动力锂离子电池SOC这一课题展开深入研究,主要做了以下几个方面的工作:第一,阐述本论文的研究背景和意义,介绍了国内外电动汽车和车用动力电池的发展过程,总结了动力电池的估算方法的研究现状,分析现有锂离子电池SOC估算影响因素和方法及其优缺点。第二,在分析现有SOC估算方法的基础上,研究了支持向量机(Support VectorMachine,SVM)应用在回归问题上的具体实现过程。在深入研究核函数的基础上,提出混合核函数的思想;并将混合核支持向量机与单一核支持向量机进行仿真实验,结果证明,混合核函数具有更优秀的泛化能力和推广能力。第三,为寻找SVM算法中的最优参数集,在比较目前常见的几种算法的基础上,提出基于量子算法与粒子群算法结合而成的量子粒子群算法,并通过引入收敛因子更新速度来改进粒子群算法,使SVM的参数选取由人工选取变为自动确定。第四,提出改进量子粒子群算法与支持向量回归机结合的联合算法,针对SOC估算进行实验分析,将该方法与单一核函数SVM算法比较,结果表明,大大提高SOC的估算精度和收敛速度;将该方法与和基本粒子群SVM模型预测结果比较,结果表明,平均误差下降。另外,搭建锂离子电池测量平台,完成电压、电流以及温度测量模块、主控系统、CAN通信模块的硬件和软件设计,在汽车仿真软件环境下,进行SOC估算的硬件测试,结果证明该平台有效可行。鉴于改进量子粒子群结合支持向量机算法的优良推广能力和泛化能力,对SOC估算有更高的精度和更快的收敛速度,该算法在动力电池上有实际应用价值。