学位论文 > 优秀研究生学位论文题录展示

基于动态贝叶斯网络的锂离子电池SOH估计

作　者: 陈三省
导　师: 马国进
学　校: 杭州电子科技大学
专　业: 电路与系统
关键词: 锂离子电池电池管理系统电池健康状况动态贝叶斯网络
分类号: TM912
类　型: 硕士论文
年　份: 2014年
下　载: 6次
引　用: 0次
阅　读: 论文下载

内容摘要

随着电子科学技术的发展和人们生活水平的日益提高，锂离子电池越来越多地出现在各种移动设备和电动汽车上。锂离子电池经常由于过充、过放而发生爆炸，因此电池管理系统(BMS)显得至关重要。电池管理主要包括电池荷电状况(SOC)估计、电池健康状况(SOH)估计和电池均衡等。SOH是BMS需要监控的电池关键参数之一，准确的SOH估算能够帮助人们在系统安全性和经济效益之间取得更好的平衡。SOH不能通过直接测量的方式得到，目前主要使用的间接估计方法包括完全放电法、基于神经网络的算法和基于卡尔曼滤波器的算法等。本文首先详细介绍了几种常用的SOH估计方法，并对比分析了它们在电池SOH估算方面的优缺点。接着，结合实际应用情况，本文将SOH归纳为“很新”、“新”、“一般”，“旧”和“很旧”五个阶段，并在此基础上提出了基于动态贝叶斯网络(DBN)的电池SOH估算方法。DBN模型的结构是根据以往的经验人工构建的，而模型的参数则是通过电池老化实验中获得的数据学习得到的；本文使用前向算法进行DBN的推理，降低了计算量和计算复杂度，使得通过普通单片机实时估计SOH成为可能。最后，为了验证本文所提出的算法的可行性，我们设计并实现了基于STM32F103VCT6的电池SOH估算系统，实验结果表明，本文所提出的锂离子电池SOH估计算法是可行的。

全文目录

摘要  5-6
ABSTRACT  6-10
第1章绪论  10-17
  1.1 课题研究目的与意义  10-11
  1.2 SOH 研究背景与现状  11-15
    1.2.1 SOH 研究背景  11-12
    1.2.2 SOH 研究现状  12-15
  1.3 课题研究内容及本文安排  15-17
    1.3.1 课题来源  15
    1.3.2 课题研究内容  15
    1.3.3 论文结构安排  15-17
第2章常用 SOH 估算方法  17-24
  2.1 完全放电法  17
  2.2 交流小信号测试法  17-18
  2.3 基于神经网络的预测方法  18-20
  2.4 基于卡尔曼滤波器的方法  20-23
  2.5 对比分析  23
  2.6 本章小结  23-24
第3章锂离子电池的老化  24-36
  3.1 锂离子电池  24-29
    3.1.1 电池简介  24
    3.1.2 锂离子电池的工作原理  24-26
    3.1.3 锂离子电池的特性  26
    3.1.4 锂离子电池的充放电特性  26-29
  3.2 锂离子电池的老化机制  29-31
    3.2.1 老化对电池负极的影响  29-30
    3.2.2 老化对电池正极的影响  30
    3.2.3 电池老化的后果  30-31
  3.3 锂离子电池老化实验  31-35
    3.3.1 实验目的  31
    3.3.2 实验设备  31-34
    3.3.3 初始容量测试  34
    3.3.4 实验方案  34-35
  3.4 本章小结  35-36
第4章基于动态贝叶斯网络的 SOH 估算方法  36-52
  4.1 动态贝叶斯网络简介  36-40
    4.1.1 贝叶斯网络  36-37
    4.1.2 动态贝叶斯网络简介  37-39
    4.1.3 动态贝叶斯网络的学习和推理  39-40
  4.2 用于 SOH 估计的 DBN 结构设计  40-41
  4.3 用于 SOH 估计的 DBN 参数训练  41-43
  4.4 用于 SOH 估计的 DBN 推理算法  43-47
  4.5 电池 SOH 估计流程  47-51
  4.6 本章小结  51-52
第5章 SOH 在线估计系统的设计  52-65
  5.1 系统硬件设计  52-59
    5.1.1 系统总体框架  52-53
    5.1.2 中央处理单元  53-54
    5.1.3 数据采集电路设计  54-55
    5.1.4 显示电路设计  55-56
    5.1.5 通信电路设计  56-57
    5.1.6 干扰和提高采样精度的措施  57-59
  5.2 系统软件设计  59-64
    5.2.1 软件开发平台及工具介绍  59-60
    5.2.2 系统程序流程图  60
    5.2.3 AD 采样程序  60-61
    5.2.4 SOH 在线估计程序  61-62
    5.2.5 uC/GUI 和显示部分程序  62-64
  5.3 本章小结  64-65
第6章实验结果分析  65-72
  6.1 实验条件  65
  6.2 实验过程与结果分析  65-71
    6.2.1 实验过程  65-70
    6.2.2 结果分析  70-71
  6.3 本章小结  71-72
第7章总结与展望  72-73
  7.1 本文总结  72
  7.2 后续工作展望  72-73
致谢  73-74
参考文献  74-78
附录  78

基于动态贝叶斯网络的锂离子电池SOH估计

内容摘要

全文目录

相似论文