论文部分内容阅读
本文主要基于电池的寿命模型,对动力系统参数匹配以及能量管理展开研究。传统汽车根据整车的动力需求和目标参数等进行动力系统参数匹配以及能量管理的研究。而纯电动汽车作为新能源车型,动力电池成本占比最高,因此对其寿命模型进行研究,并在模型基础上考虑其动力系统参数匹配和能量管理具有一定的意义。本文研究中的难点是对于电池SOH的研究和纯电车动力系统能量管理的研究。SOH的研究一直以来都是国内外研究的热点和难题,纯电动车能量管理国内外学者研究的较少。基于电池SOH的研究,本文将会以两种方法进行研究,一种是基于数据驱动的方法,一种是基于经验公式的方法。对于纯电车能量管理,将会基于转矩补偿,来保证整车的平顺性和踏板响应,并加入故障性模式的约束条件,使得在故障性模式中具有跛行能力。在基于数据驱动的SOH研究中,用直流内阻法来定义SOH。用神经网络算法模型预测直流内阻,针对常规神经网络算法模型收敛速度慢的问题,用蚁群算法优化了神经网络的输入层,结果表明该蚁群神经网络算法模型具有良好的预测精度。在基于经验公式的方法中,用行驶工况、行驶里程、汽车质量、制动回能、电池组寿命作为输入部分,然后根据总拥有成本公式计算各部分成本,结合Autonomie仿真软件中仿真模型,用遗传算法进行总拥有成本求解,最后输出层为电池组电池串并数。实现总拥有成本最优时的电池组参数配置,以及不同工况,不同使用年限下电池组寿命的研究。在纯电动汽车动力系统能量管理研究中,基于电机转矩补偿,研究了一般性模式和故障性模式切换的控制策略研究。在一般性模式中,对比分析了查表插值法转矩补偿和模糊控制算法转矩补偿,结果表明模糊控制算法比查表插值法具有更优的转矩补偿效果。而在故障性模式中则设置了基于电机过温和电池过放的约束条件,使得纯电车在轻微故障或者趋于故障时具有跛行能力,同时对动力系统进行一个保护的作用。