發(fā)布時間：2017-08-11 16:37

  本文關鍵詞：鋰離子電池過充及過放電故障診斷研究

  更多相關文章： 鋰離子電池 故障診斷 多模型估計 卡爾曼濾波

【摘要】：迫于環(huán)境和能源的壓力,發(fā)展電動汽車成為當今世界汽車行業(yè)的必然選擇。然而,作為電動汽車動力之源的電池由于面臨著安全性和耐久性的挑戰(zhàn),使得電動汽車的推廣及產業(yè)化發(fā)展受到制約。過充電、過放電是動力電池使用過程中存在的典型問題,對電池的安全和耐久性有著較大的影響。因此,快速并準確地檢測出過充、過放現象對于提升動力電池的安全性能并延長其使用壽命具有重要意義。本文以當前電動汽車中應用廣泛的鋰離子電池為研究對象,對其在使用過程中容易出現的過充、過放故障進行診斷研究。首先,從鋰離子電池的充放電特性和不一致性問題著手,探討過充電及過放電現象產生的原因及導致的后果。對鋰離子電池過充、過放行為的分析表明:過充電可能造成鋰離子電池的熱失控從而引發(fā)嚴重的安全事故;過放電會給電池帶來不可逆的損傷,大幅度的容量衰減致使電池壽命縮短而提前報廢。其次,對目前比較常見的電池模型進行了分析,綜合考慮鋰離子電池的使用實際及已有電池模型的優(yōu)點,建立了鋰離子電池的二階阻容模型,并由此推導出其狀態(tài)空間方程。通過恒流放電實驗完成了電池開路電壓與荷電狀態(tài)關系的標定,然后利用脈沖實驗法獲取電池模型參數。在Matlab/Simulink平臺下搭建了電池的動態(tài)仿真模型,采用恒流放電和脈沖放電兩種工況對模型精度進行驗證。結果顯示模型適用性較好,能夠用于不同參數的鋰離子電池模擬仿真。最后,針對鋰離子電池在發(fā)生過充、過放行為時內部參數的變化,提出了基于卡爾曼濾波的多模型估計診斷方法,并進行仿真分析。依據鋰離子電池在過充、過放條件下的不同參數,結合二階阻容等效電路構造電池相應故障模型。卡爾曼濾波器對每個模型的輸出電壓進行估計并產生殘差信號。濾波殘差通過假設檢驗計算進而得出每個模型的概率。仿真結果顯示,模擬的電池故障能被準確地辨識出來,表明多模型估計方法對于鋰離子電池的過充、過放故障診斷的有效性。
【關鍵詞】：鋰離子電池 故障診斷 多模型估計 卡爾曼濾波
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM912
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-19
• 1.1 課題研究背景和意義9-13
• 1.1.1 電動汽車技術的發(fā)展9-10
• 1.1.2 動力電池發(fā)展現狀10-12
• 1.1.3 鋰離子電池存在的問題12-13
• 1.2 故障診斷方法概述13-15
• 1.2.1 基于解析模型的故障診斷方法13-14
• 1.2.2 基于信號處理的故障診斷方法14
• 1.2.3 基于知識的故障診斷方法14-15
• 1.3 電池故障診斷國內外研究現狀15-17
• 1.3.1 電池故障診斷國外研究現狀15-16
• 1.3.2 電池故障診斷國內研究現狀16-17
• 1.4 本文主要研究內容17-19
• 第二章 鋰離子電池機理及過充過放分析19-28
• 2.1 鋰離子電池原理與特性19-23
• 2.1.1 鋰離子電池的原理19-20
• 2.1.2 鋰離子電池的性能參數20-22
• 2.1.3 鋰離子電池的極化現象22-23
• 2.2 鋰離子電池的充放電特性23-24
• 2.3 鋰離子電池的不一致性24-25
• 2.4 鋰離子電池的過充和過放分析25-27
• 2.4.1 鋰離子電池過充電25-26
• 2.4.2 鋰離子電池過放電26-27
• 2.5 本章小結27-28
• 第三章 鋰離子電池模型的建立28-47
• 3.1 電池模型概述28-29
• 3.2 常用電池模型分析29-35
• 3.2.1 電化學模型29
• 3.2.2 神經網絡模型29-30
• 3.2.3 等效電路模30-35
• 3.3 本文所用電池模型35-41
• 3.3.1 OCV與SOC關系模型36-38
• 3.3.2 模型參數辨識38-41
• 3.4 模型仿真驗證41-45
• 3.4.1 仿真模型的建立41-43
• 3.4.2 模型仿真精度分析43-45
• 3.5 本章小結45-47
• 第四章 基于多模型估計的過充過放故障診斷47-66
• 4.1 多模型估計基本原理47-48
• 4.2 多模型自適應卡爾曼濾波算法48-53
• 4.2.1 卡爾曼濾波算法48-49
• 4.2.2 多模型自適應卡爾曼濾波器49-52
• 4.2.3 模型權值計算52-53
• 4.3 鋰離子電池故障診斷模型設計53-56
• 4.3.1 構造卡爾曼濾波器模型53-54
• 4.3.2 多模型估計器設計54-56
• 4.4 模型故障診斷驗證與分析56-65
• 4.4.1 恒流放電工況下的故障診斷61-63
• 4.4.2 快速變化電流工況下的故障診斷63-65
• 4.5 本章小結65-66
• 結論與展望66-68
• 結論66
• 展望66-68
• 參考文獻68-73
• 攻讀學位期間取得的研究成果73-74
• 致謝74

【參考文獻】

中國期刊全文數據庫 前10條

1 劉春娜;;特斯拉汽車電池技術及策略[J];電源技術;2014年07期

2 戴海峰;王楠;魏學哲;孫澤昌;王佳元;;車用動力鋰離子電池單體不一致性問題研究綜述[J];汽車工程;2014年02期

3 呂帥帥;汪興興;倪紅軍;袁銀男;;電動汽車能量管理系統(tǒng)的功能及研究進展[J];電源技術;2014年02期

4 侯恩廣;喬昕;劉廣敏;李楊;;動力鋰電池SOC估計的建模與仿真[J];計算機仿真;2014年02期

5 李恒;張麗鵬;于先進;;鋰離子電池正極材料的研究進展[J];硅酸鹽通報;2012年06期

6 魏克新;陳峭巖;;基于多模型自適應卡爾曼濾波器的電動汽車電池荷電狀態(tài)估計[J];中國電機工程學報;2012年31期

7 周鵬;;動力鋰電池的充電及保護應用[J];電源技術;2012年05期

8 黃賢廣;張彩萍;;電動車輛鋰離子電池電路模型適用性研究[J];電源技術;2011年11期

9 米林;趙孟娜;秦甲磊;吳旋;;基于徑向基函數神經網絡的電動汽車動力電池SOC模型[J];重慶理工大學學報(自然科學);2011年10期

10 王振慶;羅曉;蘇志高;柳士江;;一種電動汽車遠程實時監(jiān)控系統(tǒng)[J];硅谷;2011年18期

，

本文編號：657160