为了实现永磁同步直线电机PMSLM(permanent magnet synchronous linear motor)高精度的多电气参数在线辨识,提出了一种基于双模型的递推最小二乘电气参数在线辨识算法。首先,根据电机的dq轴电压方程分别建立了辨识定子电阻、永磁体磁链...为了实现永磁同步直线电机PMSLM(permanent magnet synchronous linear motor)高精度的多电气参数在线辨识,提出了一种基于双模型的递推最小二乘电气参数在线辨识算法。首先,根据电机的dq轴电压方程分别建立了辨识定子电阻、永磁体磁链的模型1和辨识q轴电感、d轴电感的模型2,并将2个辨识模型循环结合。其次,基于上述双模型结构,采用递推最小二乘算法实现电气参数在线辨识,并针对PMSLM运行时存在大量动态过程的特性,提出一种具有饱和特性的分段变遗忘因子;然后,对功率开关非理想因素导致的误差电压进行补偿,进一步提高了辨识的精准度;最后,仿真和实验结果证明了该辨识算法的有效性,且具有收敛速度快、辨识结果精度高、多工况适用等优点。展开更多
为了有效改善燃料电池混合动力系统的能耗,减少燃料电池性能衰减,保持辅助动力源的荷电状态(state of charge,SOC),提出一种基于遗忘因子递推最小二乘算法(forgetting factor recursive least square,FFRLS)的在线辨识方法和极小值原理...为了有效改善燃料电池混合动力系统的能耗,减少燃料电池性能衰减,保持辅助动力源的荷电状态(state of charge,SOC),提出一种基于遗忘因子递推最小二乘算法(forgetting factor recursive least square,FFRLS)的在线辨识方法和极小值原理的综合能量管理方法。该方法能根据在线辨识的结果和直流母线需求功率,完成对主动力源及辅助动力源的功率分配工作,并与基于离线辨识的算法结果以及等效氢耗最小能量管理方法(equivalent consumption minimization strategy,ECMS)进行对比分析。结果表明,该方法对等效氢耗的优化比离线以及ECMS的效果分别提升了6.33%和4.35%,对燃料电池性能衰减则分别优化了4.72%和6.98%,并能更好地维持辅助动力源的SOC。展开更多
锂电池荷电状态(state of charge,SOC)的准确估计对电池安全监测与能量的高效利用具有重要意义。提出一种新的验证模型,首先对电池新一代汽车合作伙伴(PNGV)模型进行改进,考虑电池充放电的差异,加入了二极管电阻的并联网络来代替传统PNG...锂电池荷电状态(state of charge,SOC)的准确估计对电池安全监测与能量的高效利用具有重要意义。提出一种新的验证模型,首先对电池新一代汽车合作伙伴(PNGV)模型进行改进,考虑电池充放电的差异,加入了二极管电阻的并联网络来代替传统PNGV模型的内阻,在此基础上,增加了一个RC的并联网络来表征电池的动静态特性。以三元锂电池为研究对象,通过遗忘因子最小二乘法(forgetting factor recursive least square,FFRLS)对改进模型进行在线参数辨识,并提出了主充电、放电实验对锂电池工作特性进行仿真分析,通过FFRLS-EKF算法在DST工况下对SOC进行估算。实验结果表明,改进的2RC-PNGV模型能够较好地反映锂电池工作特性,HPPC实验的平均电压误差为0.17%,模型具有较高的精度。主充电过程SOC平均估算误差为0.957%,最大估算误差为5.03%;主放电过程SOC平均估算误差为0.807%,最大估算误差为3.38%,表明改进的2RC-PNGV模型与联合估计算法均可用于SOC实际估算。展开更多
为了准确和快速地估算电动汽车运行过程中汽车电池的荷电状态(State of Charge,SOC)和健康状态(State of Health,SOH),提出一种基于遗忘因子最小二乘和可变时间尺度扩展卡尔曼滤波器的自适应联合估算算法。为了提高算法的效率和准确度,...为了准确和快速地估算电动汽车运行过程中汽车电池的荷电状态(State of Charge,SOC)和健康状态(State of Health,SOH),提出一种基于遗忘因子最小二乘和可变时间尺度扩展卡尔曼滤波器的自适应联合估算算法。为了提高算法的效率和准确度,引入自适应遗忘因子递归最小二乘(Adaptive Forgetting Factor Recursive Least Square,AFFRLS)方法来识别电池模型中的参数,并采用可变时间尺度扩展卡尔曼滤波器(Variable Time Scale Extended Kalman Filter,VEKF)来指示SOC和SOH,以满足对电池动态状况进行在线快速估算的需求。应用动态应力测试(Dynamic Stress Test,DST)数据库验证了该方法的有效性,实验结果表明,该联合估算方法可以获取准确的电池模型,并实现在线状态估算。展开更多
文摘为了实现永磁同步直线电机PMSLM(permanent magnet synchronous linear motor)高精度的多电气参数在线辨识,提出了一种基于双模型的递推最小二乘电气参数在线辨识算法。首先,根据电机的dq轴电压方程分别建立了辨识定子电阻、永磁体磁链的模型1和辨识q轴电感、d轴电感的模型2,并将2个辨识模型循环结合。其次,基于上述双模型结构,采用递推最小二乘算法实现电气参数在线辨识,并针对PMSLM运行时存在大量动态过程的特性,提出一种具有饱和特性的分段变遗忘因子;然后,对功率开关非理想因素导致的误差电压进行补偿,进一步提高了辨识的精准度;最后,仿真和实验结果证明了该辨识算法的有效性,且具有收敛速度快、辨识结果精度高、多工况适用等优点。
文摘为了有效改善燃料电池混合动力系统的能耗,减少燃料电池性能衰减,保持辅助动力源的荷电状态(state of charge,SOC),提出一种基于遗忘因子递推最小二乘算法(forgetting factor recursive least square,FFRLS)的在线辨识方法和极小值原理的综合能量管理方法。该方法能根据在线辨识的结果和直流母线需求功率,完成对主动力源及辅助动力源的功率分配工作,并与基于离线辨识的算法结果以及等效氢耗最小能量管理方法(equivalent consumption minimization strategy,ECMS)进行对比分析。结果表明,该方法对等效氢耗的优化比离线以及ECMS的效果分别提升了6.33%和4.35%,对燃料电池性能衰减则分别优化了4.72%和6.98%,并能更好地维持辅助动力源的SOC。
文摘锂电池荷电状态(state of charge,SOC)的准确估计对电池安全监测与能量的高效利用具有重要意义。提出一种新的验证模型,首先对电池新一代汽车合作伙伴(PNGV)模型进行改进,考虑电池充放电的差异,加入了二极管电阻的并联网络来代替传统PNGV模型的内阻,在此基础上,增加了一个RC的并联网络来表征电池的动静态特性。以三元锂电池为研究对象,通过遗忘因子最小二乘法(forgetting factor recursive least square,FFRLS)对改进模型进行在线参数辨识,并提出了主充电、放电实验对锂电池工作特性进行仿真分析,通过FFRLS-EKF算法在DST工况下对SOC进行估算。实验结果表明,改进的2RC-PNGV模型能够较好地反映锂电池工作特性,HPPC实验的平均电压误差为0.17%,模型具有较高的精度。主充电过程SOC平均估算误差为0.957%,最大估算误差为5.03%;主放电过程SOC平均估算误差为0.807%,最大估算误差为3.38%,表明改进的2RC-PNGV模型与联合估计算法均可用于SOC实际估算。
文摘为了准确和快速地估算电动汽车运行过程中汽车电池的荷电状态(State of Charge,SOC)和健康状态(State of Health,SOH),提出一种基于遗忘因子最小二乘和可变时间尺度扩展卡尔曼滤波器的自适应联合估算算法。为了提高算法的效率和准确度,引入自适应遗忘因子递归最小二乘(Adaptive Forgetting Factor Recursive Least Square,AFFRLS)方法来识别电池模型中的参数,并采用可变时间尺度扩展卡尔曼滤波器(Variable Time Scale Extended Kalman Filter,VEKF)来指示SOC和SOH,以满足对电池动态状况进行在线快速估算的需求。应用动态应力测试(Dynamic Stress Test,DST)数据库验证了该方法的有效性,实验结果表明,该联合估算方法可以获取准确的电池模型,并实现在线状态估算。
