荷电状态(state of charge,SOC)的准确估计对延长电池寿命、减少事故发生至关重要。针对锂电池系统存在建模误差及宽温度范围下传统方法适应性差的问题,设计一种自适应增益滑模观测器(adaptive gain sliding mode observer,AGSMO)以提...荷电状态(state of charge,SOC)的准确估计对延长电池寿命、减少事故发生至关重要。针对锂电池系统存在建模误差及宽温度范围下传统方法适应性差的问题,设计一种自适应增益滑模观测器(adaptive gain sliding mode observer,AGSMO)以提高宽温域SOC估计精度。采用二阶RC等效电路模型构造适用于AGSMO的状态方程,并结合遗忘因子最小二乘法(forgetting factor recursive least square,FFRLS)完成模型参数辨识。利用等效控制思想构建状态误差的等效表达式,基于此设计滑模观测器,同时采用自适应增益提高收敛速度并抑制抖振。结合案例应用仿真,结果表明:AGSMO在美国联邦城市运行工况FUDS和高加速循环工况US06的不同初值下均可实现SOC的准确估计,并通过上述两种工况验证宽温域环境下AGSMO相较于滑模观测器(sliding mode observer,SMO)、扩展卡尔曼滤波(extended Kalman filter,EKF)具有更好的估计精度及收敛速度,均方根误差不超过0.68%,且在温域两端呈现强鲁棒性。展开更多
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
文摘荷电状态(state of charge,SOC)的准确估计对延长电池寿命、减少事故发生至关重要。针对锂电池系统存在建模误差及宽温度范围下传统方法适应性差的问题,设计一种自适应增益滑模观测器(adaptive gain sliding mode observer,AGSMO)以提高宽温域SOC估计精度。采用二阶RC等效电路模型构造适用于AGSMO的状态方程,并结合遗忘因子最小二乘法(forgetting factor recursive least square,FFRLS)完成模型参数辨识。利用等效控制思想构建状态误差的等效表达式,基于此设计滑模观测器,同时采用自适应增益提高收敛速度并抑制抖振。结合案例应用仿真,结果表明:AGSMO在美国联邦城市运行工况FUDS和高加速循环工况US06的不同初值下均可实现SOC的准确估计,并通过上述两种工况验证宽温域环境下AGSMO相较于滑模观测器(sliding mode observer,SMO)、扩展卡尔曼滤波(extended Kalman filter,EKF)具有更好的估计精度及收敛速度,均方根误差不超过0.68%,且在温域两端呈现强鲁棒性。
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。
