基于自适应神经网络模糊推理系统的蓄电池SOH预测

针对装甲车辆铅酸蓄电池健康状况影响因素复杂、难以准确预测的特点,提出了基于自适应神经网络模糊推理系统的蓄电池SOH预测模型。在确定模型的输入变量后,对其进行了MATLAB仿真和实测数据验证分析。结果表明,该模型具有很高的预测精度,在装甲车辆铅酸蓄电池SOH预测上具有很高的实用价值。

基于工况特性的电动汽车蓄电池组SOC与SOH在线智能识别与评价方法研究

蓄电池组SOC和SOH是电动汽车电池管理和能量管理的关键参数,受单体电池特性、蓄电池组一致性和均衡技术等因素影响,不易建立准确计算模型。基于电动汽车日常行驶工况统计特性提出一种改进的Ah积分法计算蓄电池组SOC和SOH,该方法采用工况容量与等效工况电流根据Peukert方程实现稳态容量修正,同时采用模糊逻辑实现放电率波动对容量的动态修正;提出采用单体统计特性建立状态评价矩阵表征蓄电池组状态的全面评价方法;最后通过对比仿真计算分析验证了所提方法的合理性和实用性。