6个研究背景和意义示例,教你写计算机等效电路模型论文

今天分享的是关于等效电路模型的6篇计算机毕业论文范文, 如果你的论文涉及到等效电路模型等主题,本文能够帮助到你

新能源汽车动力锂离子电池组SOC估计方法研究

这是一篇关于锂离子电池,SOC估计,温度修正,等效电路模型,改进自适应扩展卡尔曼滤波的论文, 主要内容为锂离子电池因其高能量密度、高循环寿命等优势,已被广泛应用于新能源汽车行业中。而准确的电池荷电状态(State of charge,SOC)估计值作为电池管理系统的重要监测指标,是防止电池过充过放、进行高效的能量管理和准确的剩余里程预测的重要前提。因此,开展锂离子电池SOC估计方法研究对其实际应用中正常工作、寿命和能量利用率的提高非常重要。本文研究了考虑环境温度影响的锂离子电池组的SOC估计方法,主要内容包括设计锂电池测试实验、建立温度修正等效电路模型、设计改进自适应扩展卡尔曼滤波算法以及设计模型和算法验证。通过参考相应电池测试手册设计锂电池测试试验,并完成实验平台搭建。基于电池测试试验采集的不同温度实验数据进行模型参数辨识,获取各温度下的模型参数。基于获取的模型参数进行曲线分析,选择对温度变化敏感的参数。之后,对选取的模型参数进行温度影响研究,并基于选取参数的变化规律设计温度修正方法。至此,基于温度修正的等效电路模型建立完成。对于模型的验证,选择-5℃、15℃、35℃下的恒流放电工况和-10℃、10℃、25℃下非恒流放电工况进行验证,且验证结果符合要求。通过对现有SOC估计算法研究,发现自适应扩展卡尔曼滤波算法的噪声估计窗口多为固定窗口。但是,误差新息序列分布受模型误差、算法本身误差以及电流扰动影响并不是固定不变的。本文基于误差新息序列分布特性,设计了一款变窗口自适应扩展卡尔曼滤波算法。该算法可以根据误差新息序列分布情况对噪声估计窗口长度进行调整,获取精度更高的噪声估计值。最后,将设计的变窗口自适应扩展卡尔曼滤波算法与温度修正等效电路模型结合进行SOC估计。对于算法验证,采用-5℃、15℃、35℃下DST工况数据对所提改进算法进行验证。同时,选取扩展卡尔曼滤波算法以及不同固定窗口的自适应扩展卡尔曼滤波算法与所提改进算法进行对比分析。验证结果表明,所提改进算法的SOC估计精度具有显著提高。

电池管理系统及其荷电状态估计算法研究

这是一篇关于快速原型控制器,电池管理系统,等效电路模型,卡尔曼滤波,荷电状态估计的论文, 主要内容为随着全球能源危机日益严峻,环境污染问题日益突出,全球整车厂和零部件供应商将更多目光投注于新能源汽车产业。电池管理系统(Battery Management System,BMS)作为新能源汽车三电核心技术之一,有着较为重要的技术发展地位。BMS发展水平直接影响纯电动汽车性能与安全。传统BMS控制器开发流程开发周期长、代码编程复杂,科研工作者无法将工作重心放到算法开发工作。基于以上背景,本文以Simulink软件和RTW代码生成工具进行快速原型控制器的软件开发工作,对BMS控制策略进行开发验证。BMS的荷电状态(State of Charge,SOC)算法是其核心状态估计算法之一,本文对SOC算法进行Simulink仿真研究。本文将汽车行业V字型开发流程和规范应用于电池管理系统功能开发中,完成了BMS的快速原型控制器软件开发与部分功能验证。通过将双极化(Dual Polarization,DP)等效模型与带遗忘因子递推最小二乘(Forgetting Factor Least Recursive Square,FFRLS)在线参数辨识算法和自适应扩展卡尔曼滤波(Adaptive Extended Kalman Filter,AEKF)算法结合,完成对BMS的SOC估计算法仿真研究。本文主要完成了以下工作:(1)对BMS系统架构选型,针对集成式系统架构与分布式系统架构特点,选择分布式系统架构作为本文BMS系统架构。基于BMS使用需求对BMS进行功能需求定义,在Simulink中对BMS软件进行应用层控制策略开发。(2)搭建DP等效电路仿真模型,利用FFRLS在线参数辨识算法对DP模型进行参数辨识,采用HPPC、UUDS、US06实验数据,通过DP模型端电压仿真结果验证电池模型仿真精度。(3)采用AEKF算法与FFRLS算法结合仿真估算SOC值,提高了SOC估算精度和鲁棒性,满足了BMS的SOC估算精度要求。(4)对BMS软件各模块功能进行策略模型测试验证,通过对电池箱体结构设计和电池模组连接方式设计以及高低压回路电气元件选型安装完成对电池箱硬件测试平台的搭建。通过标定实验对BMS软件进行功能验证,将应用层软件通过RTW生成嵌入式C代码,借助CCP标定协议以及Me Ca测量标定上位机工具,搭建了测量标定实验系统,对软件的各功能模块进行硬件标定验证与观测。

基于电化学机理的动力电池状态估计及均衡管理研究

这是一篇关于动力电池,电化学机理,等效电路模型,双容积卡尔曼滤波,反激式变换器的论文, 主要内容为为了缓解环境污染和自然资源枯竭等问题造成的人类生存危机,各个国家大力支持新能源产业的发展。在世界汽车行业,电动汽车无疑成为发展的重要方向。但层出不穷的安全事故和续驶里程焦虑制约其发展,因此,提高动力电池管理系统(Battery Management System,简称BMS)性能亟不可待。电池建模和状态估计是BMS的核心内容,直接影响其性能的优劣。然而,由于材料以及生产制造等原因,电池单体之间存在差异,而电池均衡管理可有效减少电池单体之间不一致性的影响,提高BMS的可靠性,安全性以及能量利用率。本文研究对象为三元锂电池,首先通过电池电特性实验分析动力电池的特性。其次提出了一种考虑电化学机理的等效电路模型,实现全荷电状态(State Of Charge,简称SOC)范围内的电池高精度建模;再次,对比非线性卡尔曼滤波算法,并以双容积卡尔曼滤波(Dual Cubature Kalman Filter,简称DCKF)对SOC和欧姆内阻进行估计;然后基于电池单体的不一致性,以SOC为均衡变量设计了反激式均衡系统,最后在MATLAB/Simulink平台仿真验证模型、状态估算以及均衡的有效性。研究内容如下:(1)锂离子电池工作原理及特性分析。以18650B作为实验对象,介绍电池结构及工作原理并搭建实验平台,通过电池测试设备对实验对象完成充放电测试和循环工况测试。接下来,根据充放电测试结果分析锂离子电池的电压特性、电容特性和电阻特性,并以循环工况测试结果作为电池建模依据以及模型和状态估计的精度验证依据。(2)电化学机理改进等效电路模型的建立与参数辨识。分析等效电路模型的误差并结合电化学机理在等效电路模型的基础上,提出了一种考虑固相扩散理论的改进模型。从而修正了全SOC范围内电池模型的精度。以粒子群算法对改进后的模型参数辨识,通过上述循环工况验证了模型精度,特别是在低SOC阶段的优越性。(3)基于电化学机理改进模型和DCKF的电池状态估计。首先总结并分析EKF、UKF和CKF三种非线性卡尔曼滤波算法的原理和优缺点,并结合仿真验证。最终选定CKF作为估计算法。其次建立DCKF滤波器结合上述电化学机理改进模型分别对SOC和能表征SOH的欧姆内阻进行了双重估计,并在MATLAB\Simulink环境下验证分析了估算效果。(4)反激式变换器均衡系统设计及仿真验证。选取反激式变换器作为均衡结构,介绍其工作原理并设计结构参数。然后以SOC估算结果作为均衡变量制定了电动汽车在停车、充电和运行时的均衡策略。最终,在MATLAB\Simulink环境下搭建反激式均衡控制系统,验证了均衡的有效性。

电池管理系统及其荷电状态估计算法研究

电动汽车锂离子电池参数辨识与荷电状态估计研究

这是一篇关于锂离子电池,等效电路模型,在线参数辨识,SOC估计,容积卡尔曼滤波的论文, 主要内容为随着能源短缺和环境污染问题的日益严重,新能源汽车尤其是电动汽车迎来了前所未有的发展机遇。电池管理系统是电动汽车最核心的技术之一,精确的电池SOC估计对于电池管理系统至关重要。本文以18650三元锂离子电池为研究对象,以提高电池SOC估计精度为出发点,进行了以下研究:首先,分析了锂离子电池工作原理和关键性能参数,通过电压、容量和内阻等特性测试实验对电池的动态特性进行了分析。对比分析了常用的四种等效电路模型后选用二阶RC模型作为本文所用锂离子电池的等效电路模型。对电池进行HPPC测试,通过指数拟合的方法离线辨识得到了模型参数,并在MATLAB/Simulink中验证了所建立的二阶RC模型的有效性。其次,针对在不确定性噪声环境下传统最小二乘法参数辨识精度不高的问题,提出带遗忘因子的偏差补偿递推最小二乘法进行在线参数辨识,并以电池端电压为观测值对其辨识精度进行了验证。在实现参数辨识的基础上,采用扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)三种滤波算法分别进行SOC估计,并对三种算法的精度进行对比,结果表明基于CKF算法的估计精度最优。针对CKF算法系统噪声无法自适应更新和协方差矩阵易失去正定性可能导致算法中止的问题,将Sage-Husa自适应滤波算法和奇异值分解的方法引入其中,采用基于奇异值分解的自适应容积卡尔曼滤波算法进行电池SOC估计,提高了估计精度。最后,将带遗忘因子的偏差补偿递推最小二乘法与基于奇异值分解的自适应容积卡尔曼滤波算法相结合,实现了电池模型参数和SOC的联合估计,进一步提高了估计精度。基于现有电池测试平台,搭建了算法硬件验证平台,对电池电压、电流采集等系统的软硬件进行了设计。结果表明,本文所提算法的硬件验证结果与仿真结果相一致,能够实现SOC的精确估计,证明了算法在嵌入式设备中的可行性和精确性。