要同时满足纯电动汽车动力性能和续航能力的需求,单纯的电池管理或电机控制是从个体对象上发挥能量的利用效率,为充分发挥动力电池的能量作用,从整车系统效率优化角度使动力电池与电机驱动系统(Power Battery and Motor Drive Systems PBMDS)协同工作。从电池能量分配角度看到对电机控制性能的影响,同时对电机的控制也要看到电池性能的变化,建立起能够实现整体分析和进行融合控制的PBMDS模型,采用基于电池参数的电机融合控制方法,提升纯电动汽车的动力性能,提高动力电池的能量利用率。论文对纯电动汽车PBMDS融合控制相关技术研究,得到如下研究成果:1.为实现PBMDS的融合控制和理论分析,从电机运行特性角度观察电池参数变化,从电池参数变化角度分析对电机特性的影响,本文建立了基于电池动态参数V-RC等效电路模型和电机统一等效电路的联合模型。采用变参数二阶RC回路细化并模拟电池极化特性,电池模型中增加一个恒压源动态定向模拟电压迟滞特性,新模型具有电池全SOC模拟精度,更精确的反应了电池动态特性,且可降低模型参数辨识误差;基于双反应理论及相量变换引入新参数建立电机统一电路模型,试验可确定的电机新参数在考虑电机铁损的情况下较准确地模拟了电机的凸极效应;电池与电机模型通过逆变器耦合得到联合模型。2.针对建立具有自适应性的电池模型参数辨识方法,实现动态参数电池模型全SOC下的参数辨识,提出一种多频交流信号注入的电池模型参数辨识方法。该方法可根据模型参数个数自适应匹配注入交流信号,针对电池的不同SOC实现模型参数的多点辨识,是电池SOC由点演化到线的全SOC动态参数辨识。将多参数电路转化为单端网络,采用策动点函数对网络进行分析,建立多参数方程组求解,简化了计算并实现实时在线辨识。该方法递推到全SOC下采样,可确定电池模型每个参数与SOC的函数关系,实现动态参数辨识。电池模型参数辨识精度大大提高,可扩展到多种电池模型参数辨识,并且该方法将在电池参数SOC估计中起重要作用。3.针对降低电池SOC估计误差,提高融合控制中电池SOC估计精度,提出基于动态参数V-RC模型的自适应扩展卡尔曼滤波算法(AEKF)电池SOC估计方法。AEKF估计电池SOC依赖电池模型精度,相较采用传统固定参数模型,该方法采用电池动态参数模型可使电池SOC估计误差降低。采用全SOC下的多频交流信号注入的电池模型参数辨识可加速AEKF算法,辨识数据拟合后送AEKF实时更新迭代算法实现SOC估计。所采用的方法对于初始条件和不确定噪声的误差仅仅造成SOC估计很短时间的波动,自适应滤波器能够根据系统的状态进行实时估计和修正,具有较好的系统发散的抑制性,误差在短时间内迅速降低,系统估计精度提高。4.为通过融合控制提升电动汽车驱动性能,预判PBMDS可实现工况。在电机控制中引入电池参数相关量,提出基于电池参数与电机特性的融合控制方法。在电机起动控制和巡航控制中均引入电池参数SOC和SOH,电机控制是在限定的能量下实现预期控制。该方法以动力电池实时参数作为电机起动判断依据,闭环判定满足起动条件的起动电流,相较传统电机起动控制避免电流给定过大造成能量损失。采用自适应模糊PID控制,在线进行模糊推理生成校正量,起动过程中不断检测输入误差,在线调整PID参数,能快速稳定的跟踪给定参考电流,具有强鲁棒性的更高效电机扭矩输出,在保证电动汽车驱动性能的前提下提高能量利用效率。巡航行驶电机控制中融入电池参数实时估计,结合模糊神经网络PID控制方法,针对电动汽车用驱动电机不同工况,通过对神经网络进行训练来记忆模糊控制规则,在模型参数发生变化时,可通过调整控制器在线自学习达到最佳控制效果,相较于单纯电机控制,该方法提升了PBMDS的驱动性能。