混合动力汽车能量管理策略及SOC估计研究

汽车自发明以来,在给人们带来方便的同时也给人们带来了诸多挑战,比如能源短缺和环境恶化等。发展清洁、高效、错能的新型交通工具是交通可持续发展的必然要求,因此,开发低油耗、低排放的新型汽车成为当今汽车工业发展的首要任务。在此背景下,融合了传统燃油汽车和纯电动汽车优点的混合动力汽车(HEV)因其高燃油经济性和低排放,成为目前各国汽车行业关注的重点和商品化主流。 混合动力汽车驱动系统组成的复杂性决定了能量管理策略设计的复杂性,在满足动力性能的前提下,能量管理策略控制各个部件之间能量流的大小和流向,因此能量管理策略对于合理利用车载能量,实现节能环保具有十分重要的意义。另一方面,动力电池的荷电状态(SOC)是制定能量管理策略的一个重要依据,同时也是合理使用电池的主要依据,因此,需要对电池SOC进行准确估计。但是由于电池特性在使用过程中表现出高度的非线性,一直以来SOC估计是公认的国际性难题。本文对混合动力汽车的能量管理策略和SOC估计进行了研究,主要内容如下: 首先介绍了混合动力汽车的开发背景、研究现状和前景,着重介绍了混合动力汽车能量管理策略(EMS)和SOC估计的研究现状,分析了目前能量管理策略和SOC估计的主要方法、存在问题以及改进方向。 然后讨论了并联式混合动力汽车能量管理策略原理,分析了目前几种主要的能量管理策略,设计了基于对角回归型神经网络(DRNN)的并联式混合动力汽车能量管理策略,详细论述了该策略的设计过程,并在电动汽车仿真软件ADVISOR上进行了仿真实验。仿真结果表明该策略能有效降低油耗,比逻辑门限能量管理策略的燃油经济性高,同时比等效油耗最小能量管理策略计算简单,响应更快,适于实时应用。 接下来针对动力电池SOC估计进行了研究,分析对比了现有的几种SOC估计方法,分别采用神经网络和卡尔曼滤波(KF)两种方法进行了SOC估计,并基于这两种方法提出了神经网络和卡尔曼滤波结合的SOC估计方法。仿真结果表明,结合的方法可以实现SOC的高精度估计,而且比单纯的神经网络法鲁棒性好,比单纯的卡尔曼滤波法计算量小。 最后设计了基于智能电池监测芯片DS2438的SOC估计实验系统,该系统可以测量每节电池的温度、电压和电流,估算电池SOC值,并将结果进行显示作为制定能量管理策略和合理利用电池的依据。给出了硬件电路连接图和软件流程,并说明了具体的设计过程。