【状态估计】基于数据模型融合的电动车辆动力电池组状态估计研究(Matlab代码实现)

简介: 【状态估计】基于数据模型融合的电动车辆动力电池组状态估计研究(Matlab代码实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥


🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。


⛳️座右铭:行百里者,半于九十。


📋📋📋本文目录如下:🎁🎁🎁


目录


💥1 概述


📚2 运行结果


🎉3 参考文献


🌈4 Matlab代码、数据、文献


💥1 概述

文献来源:


57ce1e041943403083e16f238f1c3f78.png


动力电池是电动汽车的技术瓶颈,其状态估计关乎能量管理、循环寿命、使用成本和安全,研究具有理论意义和应用价值。然而,动力电池具有很强的时变非线性,在电动汽车上应用时,又受工况、环境等随机性因素影响,对其状态的实时精准估计具有挑战性。本论文针对电动汽车锂离子动力电池,开展的具体研究工作包括:搭建了动力电池测试平台、系统设计了动力电池测试方案,基于两类锂离子动力电池建立了完善的动力电池试验数据库,并对动力电池电化学阻抗特性进行了详细分析。结果表明,动力电池的交流阻抗特性对其操作温度和可用容量最为敏感,而对具体的充放电历史和荷电状态不敏感。


动力电池 SOC 被用来描述动力电池的剩余容量状况。对电动汽车而言,SOC 就像普通燃油汽车的油表一样重要。同时,SOC 作为电动汽车能量管理重要的决策因素之一,对于优化电动汽车能量管理、提高动力电池容量和能量利用率、防止动力电池过充电和过放电、保障动力电池在使用过程中的安全性和长寿命等起着重要作用。但是,SOC 是动力电池隐含的状态量,难以直接测试和计算。正因为如此,精确可靠的SOC 估计方法成为学术界和工业界一直在探讨的话题。目前国内外使用的动力电池SOC 的估计方法主要有三大类[52-54]:基于动力电池表征参数测量值的估计方法、基于安时积分的估计方法和基于电池模型和观测器的融合方法。


通常可用来推导动力电池 SOC 的特征参数包括当前剩余容量、阻抗谱、开路电压值等。其中当前剩余容量可通过放电试验法得到,因此该方法被认为是确定动力电池 SOC 最为直接的方法。但是,由于电动汽车在运行中难以进行长时间的恒流放电确定剩余容量,因此该方法仅适用于实验室等特定环境[19]。印度科学理工学院 ShaliniRodrigues 等借助阻抗谱的手段测试不同 SOC 值电池的阻抗,用以提取随 SOC 变化的电池参数,然后制定 SOC 和该参数的映射关系,采用查表方式进行 SOC 的标定[55]。开路电压常被工业界用来标定动力电池 SOC[34],大量的 BMS 产品也使用开路电压标定电池初始 SOC。但是开路电压的测量要求动力电池静置足够长的时间,在实际中该方法难以单独使用。


📚2 运行结果


445638be753845e58579237f78a1e912.png

b1f6cb7457e548b8bab39b637d50fb73.png

ca3ddb369da84e248117974ffc72b9c0.png

f0333db3e975494cb93bf792af24a2ab.png

5593732bd4da40178c7666aa60db6ad7.png

b866469a242c40cebab9641f92a98f19.png

e0fd01c94ae74ea1ad33b533fd5113b4.png

c0ccbae89ef045329b14525a8d402f31.png

23dfb9c402ea4de2997baf7064196355.png

5593642c4b0f408ebd80990584f38f0c.png

3cc97ce8a3dc47078755bb6b28400f2c.png

a5628973a2b949ac8610bac8e28f0d4d.png

238b3932ab8d406a8946ddca57242ae7.png

b7d8e5862f32451d876c34c9bbfb2a80.png

2f4522d0c4a94e82b0cbbade7055f46f.png


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。


[1]熊瑞. 基于数据模型融合的电动车辆动力电池组状态估计研究[D].北京理工大学,2014.


🌈4 Matlab代码、数据、文献


相关文章
|
1月前
|
传感器 机器学习/深度学习 数据采集
四旋翼飞行器及电机动力学研究(Matlab代码、Simulink仿真实现)
四旋翼飞行器及电机动力学研究(Matlab代码、Simulink仿真实现)
|
16天前
|
机器学习/深度学习 并行计算 算法
【超级棒的算法改进】融合鱼鹰和柯西变异的麻雀优化算法研究(Matlab代码实现)
【超级棒的算法改进】融合鱼鹰和柯西变异的麻雀优化算法研究(Matlab代码实现)
|
13天前
|
传感器 算法 数据挖掘
基于协方差交叉(CI)的多传感器融合算法matlab仿真,对比单传感器和SCC融合
基于协方差交叉(CI)的多传感器融合算法,通过MATLAB仿真对比单传感器、SCC与CI融合在位置/速度估计误差(RMSE)及等概率椭圆上的性能。采用MATLAB2022A实现,结果表明CI融合在未知相关性下仍具鲁棒性,有效降低估计误差。
124 15
|
17天前
|
传感器 算法 Shell
【使用卡尔曼滤波器将陀螺仪和加速度计的读数融合,以获取IMU的姿态(四元数)】实现了所谓的“零速度更新”算法,用于行人跟踪(步态跟踪)(Matlab代码实现)
【使用卡尔曼滤波器将陀螺仪和加速度计的读数融合,以获取IMU的姿态(四元数)】实现了所谓的“零速度更新”算法,用于行人跟踪(步态跟踪)(Matlab代码实现)
|
17天前
|
传感器 机器学习/深度学习 算法
【室内导航通过视觉惯性数据融合】将用户携带的智能手机收集的惯性数据与手机相机获取的视觉信息进行融合研究(Matlab代码实现)
【室内导航通过视觉惯性数据融合】将用户携带的智能手机收集的惯性数据与手机相机获取的视觉信息进行融合研究(Matlab代码实现)
|
23天前
|
传感器 机器学习/深度学习 编解码
使用显著性检测的可见光和红外图像的两尺度图像融合(Matlab代码实现)
使用显著性检测的可见光和红外图像的两尺度图像融合(Matlab代码实现)
|
17天前
|
机器学习/深度学习 边缘计算 自动驾驶
【状态估计】非线性受控动力系统的线性预测器——Koopman模型预测MPC(Matlab代码实现)
【状态估计】非线性受控动力系统的线性预测器——Koopman模型预测MPC(Matlab代码实现)
|
26天前
|
机器学习/深度学习 算法 算法框架/工具
【利用母船和牵引风箬在飞行中回收微型飞行器(MAVs)的方法】使用高斯原理推导了电缆-风箬系统的动力学模型(Matlab、Simulink仿真实现)
【利用母船和牵引风箬在飞行中回收微型飞行器(MAVs)的方法】使用高斯原理推导了电缆-风箬系统的动力学模型(Matlab、Simulink仿真实现)
166 5
|
1月前
|
传感器 算法 机器人
【IMU数据与GPS融合的预积分方法】基于流形的IMU预积分,用于高效的视觉惯性最大后验估计、SE3姿势区分为IMU(Matlab代码实现)
【IMU数据与GPS融合的预积分方法】基于流形的IMU预积分,用于高效的视觉惯性最大后验估计、SE3姿势区分为IMU(Matlab代码实现)
|
1月前
|
机器学习/深度学习 算法 机器人
使用Koopman理论识别机器人动力学的非线性系统(Matlab代码实现)
使用Koopman理论识别机器人动力学的非线性系统(Matlab代码实现)

热门文章

最新文章