论文部分内容阅读
随着全球汽车保有量的不断增多,环境污染和资源紧缺问题日渐突出。传统汽车对石油资源的依赖度也逐年递增。新能源汽车的兴起和发展表明人们已经开始认识到开发与利用清洁能源的重要性。国家和政府也出台了一系列政策,来推动节能与新能源汽车产业发展,提出继续支持电动汽车、燃料电池汽车发展,推动自主品牌节能与新能源汽车同国际先进水平接轨。作为制约电动汽车发展的关键因素和电动汽车整车运行的动力来源,电池的性能好坏直接关系到整车续航里程的长短、使用寿命及安全性。一套合理的电池管理系统(Battery Management System,BMS)能够对锂离子电池状态进行监测、对整车安全性进行评估、完成人机接口通信,确保电动车运行过程中能量利用的合理、安全与高效。因此建立一套合理、可靠的分布式BMS尤为重要,选择合适算法对锂离子电池荷电状态SOC(State Of Charge,SOC)进行估算也非常值得研究。对于SOC估算方面的研究,通过分析传统估算方法的优缺点,衡量各种估算方法的可行性和精确性,最终选择粒子群PSO(Particle Swarm Optimization,PSO)优化BP(Back Propagation,BP)神经网络算法进行锂离子电池SOC估算。通过设计工况实验,在MATLAB中对两种算法进行了SOC估算的仿真验证,结果表明PSO-BP算法较BP神经网络算法相比有更好的收敛性和精确性。最后利用C代码移植技术,成功获得了能在DSP中稳定运行的该算法代码。除此之外,本课题还完成了分布式BMS主控板的设计,以TMS320F28335为控制核心,集成了IO隔离输出电路、AD采集电路、SPI通讯电路、CAN通讯电路等等。实现了主控板、采集板与上位机之间的联调,设计了一套合理的分布式BMS。