|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于滑模观测器的锂离子动力电池荷电状态估计显示文摘基于混合动力脉冲功率特性试验数据辨识得到了锂离子动力电池的等效电路模型参数,提出了基于滑模观测器算法的动力电池荷电状态估计方法。设计了滑模观测器,最后进行了算法验证。结果表明,对FUDS工况,应用滑模观测器算法进行荷电状态估计的最大误差为1.17%,方差为0.000 04,比传统算法获得了更好的估计精度和鲁棒性。 | 何洪文 熊瑞 | 2011 | 吉林大学学报(工学版)2011，41，3： | 20 |
| 2 | 基于BP神经网络法估算动力电池SOC显示文摘精确估计电动汽车用动力锂离子电池荷电状态(SOC)对于电动汽车的续航里程的估计和动力电池的安全保护具有重要的意义。针对锂离子电池的非线性关系,采用BP神经网络法来估算SOC。以3.2 V/100 Ah的磷酸锂铁电池为研究对象,在恒温条件下采用Arbin BT2000系列的充放电测试仪进行充放电实验采集原始数据,并将数据导入到神经网络模型中去训练和验证。验证结果表明:用BP神经网络法估算SOC的误差能控制在5%以内,验证了模型的准确性,为相似的SOC估计算法的改进提供参考和依据。 | 张传伟 李林阳 赵东刚 | 2017 | 电源技术2017，41，9： | 16 |
| 3 | HEV用锂离子电池动态模型参数辨识方法研究显示文摘提出一种适用于动力电池等效电路模型的参数辨识算法。基于恒电流充放电试验和复合脉冲功率特性测试工况分别获取平衡电势和欧姆内阻与荷电状态的函数关系,利用动力电池初始状态启动递推最小二乘法辨识电池模型参数建立电池仿真模型,结果表明提出的4步骤RLS算法能很快辨识动力电池关键参数,且误差在2%以内,同时在线辨识功能可实时优化混合动力汽车(HEV)用动力电池的工作区间,延长其使用寿命。 | 熊瑞 何洪文 丁银 | 2011 | 电力电子技术2011，45，4： | 15 |
| 4 | 自适应卡尔曼滤波器在车用锂离子动力电池SOC估计上的应用显示文摘进行了用自适应扩展卡尔曼滤波(AEKF)算法估计电动车用锂离子动力电池的荷电状态(SOC)的研究。基于混合脉冲功率特性(HPPC)试验,利用遗传优化算法改进Thevenin电路模型参数辨识方法,且从充放电两个方向来获得模型参数,然后在动态应力测试(DST)工况下对改进的模型进行仿真验证分析,基于改进的模型和联邦城市行驶工况(FUDS),应用AEKF算法开展SOC估计研究。仿真和台架试验结果对比表明,改进的Thevenin电路模型和AEKF算法均具有较高的精度,最大估算误差分别为1.70%和2.53%;同时AEKF算法具有较好的鲁棒性,可以有效地解决初始估算不准和累计误差的问题。 | 熊瑞 孙逢春 何洪文 | 2012 | 高技术通讯2012，22，2： | 12 |
| 5 | 电动汽车用动力电池组建模和参数辨识方法显示文摘提出了电动汽车用的锂离子动力电池组电化学极化模型,并利用扩展卡尔曼滤波和最小二乘算法分别建立了在线和离线的参数辨识方法。混合脉冲功率特性试验的验证结果表明:基于提出的电化学极化模型所建立的参数辨识方法能够保证模型最大相对误差在1%以内,可精确模拟动力电池组的动态电压特性。建立的参数辨识方法能有效地避免动力电池初次使用前耗时、复杂且易错的参数辨识及定期的参数标定等试验,提高电池管理系统的工作效率。 | 熊瑞 何洪文 许永莉 何银 | 2012 | 吉林大学学报(工学版)2012，42，4： | 11 |
| 6 | 超级电容器及其在新能源汽车中的应用显示文摘作为一种介于传统电容器及电池之间的新型储能元件,超级电容器具有超大容量、高功率密度、长循环寿命、高充放电效率等特点。本文介绍超级电容器的原理与特点,概述国内外超级电容器的发展现状以及其在新能源汽车中的应用情况。 | 李玉鹏 周时国 杜颖颖 | 2014 | 客车技术与研究2014，36，2： | 9 |
| 7 | 基于试验数据的超级电容建模方法显示文摘进行超级电容建模.通过试验获得超级电容的容量特性和内阻特性,继而通过试验数据建立超级电容基于状态方程的动态仿真模型.仿真结果表明,此模型具有良好的精度,能够很好的模拟超级电容的动态性能. | 熊瑞 何洪文 张晓伟 | 2010 | 车辆与动力技术2010，，4： | 7 |
| 8 | 车用复合电源模糊控制策略研究显示文摘将模糊控制策略应用于车用复合电源的管理中。基于超级电容和动力电池组的试验数据建立了其动态仿真模型,制定了复合电源的模糊控制策略和逻辑门限控制策略。依据选择的复合电源拓扑结构,选择城市测功机循环工况(UDDS),针对复合电源在整车上的应用进行了此两种控制策略的仿真对比分析。仿真结果表明,模糊控制策略可以更好地发挥超级电容的主动性和高比功率特性,显著地优化动力电池组和超级电容的工作效率。 | 何洪文 熊瑞 | 2011 | 高技术通讯2011，21，2： | 5 |
| 9 | 串联电传动履带推土机功率跟随控制策略研究显示文摘分析了发动机与发电机组及超级电容工作特性,建立了串联式电传动履带推土机发动机-发电机组和超级电容的数学模型,提出了一种基于最佳燃油消耗曲线的功率跟随控制策略.通过发动机及发电机的台架试验数据建立系统各部件的仿真模型,对提出的控制策略进行仿真验证,并分析了燃油经济性.结果表明,在设定的推土机作业工况下,与传统机械结构的原型机相比,采用最佳燃油消耗曲线的功率跟随控制策略节油率达22.3%. | 宋强 曾普 王红 | 2014 | 北京理工大学学报2014，34，3： | 4 |
| 10 | 基于典型作业工况的串联式电传动推土机功率跟随控制策略显示文摘为提高串联式混合动力推土机的燃油经济性,研究动力传动系统的能量分配策略。分析发动机和发电机的动态工作特性,通过台架试验建立发动机的动力输出特性模型、油耗特性模型和发电机的效率特性模型;通过超级电容的电阻串并联模型结构分析,建立超级电容的动态工作模型,设定荷电状态的安全工作范围。基于台架试验及模型获得的发动机最佳燃油消耗曲线,提出一种最佳燃油消耗曲线的功率跟随控制策略。研究推土机的典型作业工况,在典型作业工况下对提出的控制策略进行仿真,阐述超级电容的荷电状态及电压、电流的变化规律,并与传统机械传动结构的原型机在发动机工作转速、转矩、油耗和加速踏板位置变动等参数方面进行对比分析。结果表明,在推土机典型作业工况下,采用最佳燃油消耗曲线的功率跟随控制策略与原型机相比,节油率达13.1%。 | 宋强 曾普 何士娟 王红 | 2014 | 机械工程学报2014，50，20： | 3 |
| 11 | 基于LFOA-GRNN模型的矿用锂电池SOC预测显示文摘针对矿用电动汽车锂电池SOC预测易受到工况环境影响、建模复杂、预测误差大等问题,该文将电池端电压、放电电流、环境温度、湿度作为SOC的表征因子,构成样本集以训练广义回归神经网络(GRNN),再引入具有Levy飞行特征的双子群果蝇优化算法(LFOA)优化GRNN的平滑因子σ。LFOA结合了Levy飞行搜索和果蝇优化算法的优点,全局搜索能力更强,收敛速度更快。仿真结果表明,经LFOA优化的GRNN能更快地搜索到合适的σ,并有效预测电池任一充放电状态下的SOC,与FOA-GRNN模型比较,LFOA-GRNN模型预测精度更高、时间更短,最大绝对误差不超过0.03,具有较好的工程应用价值。 | 陈德海 丁博文 潘韦驰 | 2020 | 现代电子技术2020，43，6： | 2 |
| 12 | 一种电动汽车电池SOC软测量方法研究显示文摘针对电动汽车电池荷电状态(state of charge,SOC)不可直接测量这一问题,引入基于减法聚类和自适应模糊神经网络的SOC软测量方法。首先,利用减法聚类确定自适应模糊神经网络的结构;然后,将反向传播算法与最小二乘算法混合使用,对网络的前件参数和结论参数分别进行优化,提高了参数的学习效率;最后,将神经网络自动生成的模糊隶属函数和规则集应用于电动汽车电池SOC的软测量中。在CYC-HWFET工况下,取电池的电压、电流和温度参数来实现SOC的软测量,仿真结果表明:基于减法聚类和自适应模糊神经网络方法的电动汽车电池SOC软测量模型精度较高,真实值与软测量值误差较小。 | 孙正凤 苏磊 | 2018 | 电源技术2018，42，7： | 2 |
| 13 | 无迹卡尔曼滤波的电池荷电状态估计试验研究显示文摘针对电动汽车用动力电池建立一种改进的Thevenin模型,对其进行模型的参数辨识,针对该模型提出一种基于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的荷电状态(State of Charge,SOC)估计算法。通过对非线性函数的概率密度进行近似,用一系列确定的采样来逼近状态的后验概率密度,避免了计算雅可比矩阵,而且减少了计算量。利用带遗忘因子的最小二乘法进行电池模型的参数辨识,通过联邦城市运行(Federal Urban Driving Schedule,FUDS)工况试验验证了UKF滤波算法在荷电状态估计的效果,将估计的SOC结果和试验测量结果进行比较,结果表明SOC估计精度在3%以内,证明UKF进行SOC估计的精度满足实际应用的要求。 | 赵凯 朱黎明 | 2013 | 汽车工程学报2013，3，5： | 1 |
| 14 | 电动汽车及其充换电站商业运营的探讨显示文摘分析了电动汽车及其充换电站的关键技术(储能技术、充换电技术及协调控制策略),详细阐述了商业运营平台典型设计的具体内容并就电动汽车产业的发展方向和路线提出了建议。 | 雷珽 韩伟福 苏广宁 刘隽 袁加妍 | 2013 | 华东电力2013，41，9： | 1 |
您所在的机构暂未开通此部分的功能，请联系管理员