基于神经网络的磷酸铁锂电池SOC预测研究

利用神经网络进行了电动汽车用的磷酸铁锂(LiFePO4)电池荷电状态(state of charge,SOC)预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt(LM)算法建立了磷酸铁锂电池的BP(back propagation)神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。

基于混合系统理论的再生制动系统控制策略研究

再生制动是提高混合动力客车(hybridel ectricbus,HEB)经济性的重要手段。以后轮驱动的HEB为研究对象,提出了电机再生制动力和摩擦制动力以及整车前、后轮制动力协调控制的再生制动系统控制策略。基于混合系统理论描述了HEB再生制动系统,采用MATLAB/Simulink/Stateflow混合建模方法,建立了制动力协调控制的HEB再生制动系统控制策略仿真模型,并基于Advisor软件平台对实例HEB分别在中国典型城市循环工况和UDDS循环工况下进行仿真分析,结果表明,采用制动力协调控制策略制动能量回收率分别达到48.7%和50.9%,整车燃油经济性分别提高14.3%和12.8%。

CAN总线混合调度算法在HEV控制系统中的应用

针对混合动力电动汽车(hybrid electric vehicle,HEV)控制系统CAN总线在调度信号时的不确定性和低优先级信号易死锁等问题,设计了基于截止期公差递增区分策略的混合调度算法进行优先级分配,并应用于HEV控制系统中。最后利用Truetime和dSPACE硬件在环平台进行实例HEV的CAN测试和功能仿真分析,验证了该混合调度算法的有效性,从而为研究新能源汽车(包括纯电动汽车、插电式混合动力汽车)的CAN总线数据通信提供一种新方法。

基于EKF算法的磷酸铁锂电池在线SOC估算

文章针对大倍率放电条件下,磷酸铁锂电池极化效应加剧变快的现象,考虑了电流对极化参数值影响的电池模型,基于改进后的电池模型,搭建了由dSPACE、可编程电源及电子负载组成的可控电池实验台架,并应用卡尔曼滤波理论对磷酸铁锂电池进行在线SOC状态估算;实验结果表明,改进后的电池模型提高了SOC估算的精度。