计 算 机 仿 真 第 卷 第 期 年 月 文章编号? ? 锂离子电池组 估算方法 刘晓悦，杜 晓 ?华北理工大学电气工程学院，河北唐山 摘要?锂离子电池组作为电动汽车的主要动力能源，对荷电状态? ， ?的准确估计是电动汽车的关键技术之 由此设计了一种神经网 一 准确的 估计，对锂离子电池组的寿命维持及电动汽车的行车安全，具有十分重要的意义 络与无迹卡尔曼滤波器? 网络估算方法的最大误差 上述方法具有有效性和实用性 ?相结合的 估算方法，既克服了 需要等效电池组电路模型的缺点，也能显著减小神经 ?基于实际工况的仿真结果，经实验数据证明， 实验数据来源于高级车辆仿真器? 关键词?无迹卡尔曼滤?神经网络?高级车辆仿真器?荷电状态 中图分类号? 文献标识码? ， ， ， ， ? ， ? ， ? ， ? ? 测和控制， 作为其中一个重要参数，成为目前被广泛研 引言 究的问题 ［］ 新能源汽车被我国十二五规划纲要列为战略性新兴 产业，纯电动汽车是新能源汽车的重要分支 目前，性能和 作为电动汽车能量控制策略的重要依据，并不能通 过直接测量得到 近年来发展出多种电池组 估算方法 安时积分法通过对电流进行积分，计算电池组当前容量的变 化值，最终得到当前的 虽然这种方法简单易行，在 短时使用中具有较高精度，不过电流的测量误差会在估算结 果中不断累积，随使用时间的增加不断增大 即使可以根据 价格是限制电动汽车发展的两个主要因素，而这两个因素都 与电动汽车的电池组有关，常见的电动汽车电池主要有铅酸 ［ ］ 电池镍氢电池和锂离子电池 量和成本等因素，锂离子电池组凭借其单体电压高，能量密 度大，循环寿命长和环境友好等优点，成为目前条件下电动 汽车电池组的首选 但是，相比其它电池，锂离子电池在安 全性和稳定性上稍显不足为保证锂离子电池组的安全与 稳定，电动汽车需配备电池管理系统? ?对其进行实时监 综合考虑电池组的性能 重 开路电压进行校正，但由于锂离子电池组的滞回电压特性， 电池组需要经过长时间的静置才能得到准确校正，在电池组 的极端工作状况下， 者将神经网络应用于 的估算结果会出现较大误差 有学 估计，估算结果在恒流放电的条件 下表现出较高的准确性，不能证明网络具有良好的泛化能 力 基于等效电路模型的 估算方法是另一个重要的研 的估算精度取决于等效 基金项目?国家自然科学基金? 收稿日期? 究方向，然而电池组结构复杂， 电路的复杂程度，并且基于等效电路模型的 估算方法并 不能将温度对于电池组 的影响考虑在内 ［ ］ 值，个输出层阀值四个部分 每个个体可确定一个神经网络 适应度函数 在网络结构确定的前提下， 本文采用遗传算法优化的 神经网络对电池组进行 估算，基于实际工况的测试样本在神经网络的呈现较高 的不稳定性，对此采用 对神经网络的 估算结果 估算结果滤 根据个体得到的神经网络初始权值和阀值，训练神经网 络得到网络输出，把神经网络误差绝对值的平均值作为适应 波，得到更为稳定准确的 度 ，则个体适应度 的函数为 遗传算法优化的 神经网络 ? ?? 传统 神经网络被应用于非线性估计问题中，有较为 明显的缺点?由于 神经网路初始神经元之间的权值和阀 值随机选择，容易陷入局部最小值 本文针对 神经网络 为训练样本数， 训练数据中的 选择操作 为 神经网络对训练数据的输出，为 的初始权值和阀值采用遗传算法进行优化，进而提高 经网络的估算精度 神 选择操作采用轮盘赌选择法，基于适应度的倒数的比例 进行选择，每个个体被选择的概率为 神经网络结构的确定 神经网络结构的确定首先要选择网络的输入变量， 与电池组电压电流和温度关系复杂，呈现高度 ?? 电池组 的非线性 电池组内阻随 非线性变化，但是内阻并不能 ?? 够通过传感器直接得到，并且电池组电压和电流并不是简单 地线性关系 度作为 基于以上考虑，选择电池组的电压电流和温 神经网络的输入变量 为第个个体的适应度的倒数，为第个个体的适应度，