课题来源与背景：自从电动汽车等新能源汽车整车和零部件的关键技术发展作为国家战略以来，科技部、财政部、发改委、工业和信息化部等部分持续推出了系列文件，从政策方面为新能源汽车的发展助推动力。国务院先后通过和印发了《国务院关于加快培育和发展战略性新兴产业的决定》、《节能与新能源汽车产业发展规划(2012-2020年)》，明确将新能源汽车产业定位于现阶段国家战略性新兴产业发展的重点方向之一。2015年4月，四部联合发布《关于2016-2020年新能源汽车推广应用财政支持政策的通知》，提出的全国范围内开展新能源汽车推广应用工作。2015年5月，国务院公布《中国制造2025》，继续支持电动汽车、燃料电池汽车发展。研究目的与意义：动力电池是纯电动汽车的核心部件，其性能和管理水平对电动汽车技术的发展具有决定性的影响。电池管理系统实时监测电池状态、保证电池能量的高效利用、防止电池过充电和过放电、保障电池的安全使用和延长电池寿命等成为电动汽车产业和应用必须面对的研究课题和关键技术。电动汽车应用是一个集电气、机械、控制和通信及技术于一体的复杂系统，国内对电动汽车动力电池技术及其管理的研究虽然取得了一定成绩，但是如何高效、准确的反应动力电池组的充电、行驶过程中的智能放电和能量回馈、电气绝缘智能检测与安全性监控等还有待于深入研究，以推进电动汽车产业化进程。针对电动汽车智能电池管理的关键问题，动力电池SOC的评估机理与检测方法展开，在前期研究基础之上，采用信息与算法融合手段重点研究电池组充放电特性、单体电池和成组应用特性参数监控、剩余电量SOC评估理论和应用方法，力争解决现有动力电池模型精度、实际参数检测误差、方法复杂度以及由于电池参数变化和老化引起的模型不适用、检测误差放大等问题，通过项目研究推进动力电池状态监测与管理理论和应用水平。主要论点与论据：动力电池动态非线性系统参数自适应辨识技术根据动力电池的特征与工况，综合考虑使用环境、参数变化及电池老化等因素，实现时变非线性电池系统动力电池特征参数SOC的动态辨识技术和方法，解决动力电池状态变化引起的模型参数不准确而造成的模型和方法误差。动力电池SOC智能评估算法与检测技术提供基于Kalman滤波算法和神经网络模型的Kalman-NN复合SOC评估与检测技术；建立优化的神经网络SOC评估算法，提供SOC参数辨识、网络建立、参数在线调整的新型在线自适应神经网络SOC预测技术。创见与创新：该成果在多学科综合与交叉的基础上，研究电动汽车动力电池特征参数在线预测、动力电池SOC评估机理与应用方法，建立基于神经网络优化模型和基于Kalman-NN的复合SOC评估算法与检测技术。建立和提供电动汽车动力电池动态时变非线性系统参数在线辨识理论和应用方法。建立优化的神经网络动力电池SOC评估理论和方法，系统研究样本选择、样本训练方法、自适应在线经验积累、自学习的方法，推进和完善神经网络方法在动力电池SOC评估应用中的水平和实效性。以神经网络模型优化Kalman滤波算法，优化现有Kalman滤波方法对电池模型的依赖程度，克服降低电池模型阶数、模型参数不能在系统动态调整造成的模型和算法误差，建立Kalman-NN的复合SOC评估理论与检测技术。社会经济效益：研究建立动态非线性动力电池系统模型参数在线辨识理论和实施方法；建立改进和优化的新型神经网络动力电池SOC评估模型和应用方法，提供神经网络样本选择、训练方法、SOC在系统估计与预测方法；基于数据挖掘、信息和算法融合手段，建立基于神经网络模型和Kalman滤波方法相结合的复合Kalman-NN动力电池评估理论与模型；基于理论研究建立和开发电动车辆动力电池SOC参数评估、状态监测与管理的应用方法与智能应用系统。该研究成果适用于电动汽车动力电池状态评估与故障检测，应用安全，可靠性高。

1. 下载详细PDF版/Doc版

提示：为方便大家复制编辑，博主已将PDF文件制作为Word/Doc格式文件。