文献类型：期刊文章

作　　者：张远进[1,2] 吴华伟[1,2] 叶从进[1,2]

ZHANG Yuanjin;WU Huawei;YE Congjin(Hubei Key Laboratory of Power System Design and Test for Electrical Vehicle;Hubei University of Arts and Science,School of Automotive and Traffic Engineering,Xiangyang 441053,Hubei,China)

机构地区：[1]湖北文理学院纯电动汽车动力系统设计与测试湖北省重点实验室 [2]湖北文理学院汽车与交通工程学院,湖北襄阳441053

出　　处：《储能科学与技术》

基　　金：湖北省技术创新专项重大项目(2017AAA133);“机电汽车”湖北省优势特色学科群开放基金(XKQ2020009、ZDSYS202004);中央引导地方科技发展财政专项(鄂财政2017[80]号文);湖北省自然科学基金青年项目(2020CFB320)。

年　　份：2021

卷　　号：10

期　　号：1

起止页码：237-241

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：电池荷电状态(SOC)的估算作为车载电池管理系统(BMS)的核心技术之一,其准确预估可以延长电池使用寿命,确保整车的正常行驶。本文以锂离子电池为研究对象,提出一种基于自适应无迹卡尔曼滤波(AUKF)和BP神经网络相结合的电池SOC估算方法。该方法通过采样策略自适应性提高了UKF的估算精度,并利用训练好的BP神经网络SOC输出值作为UKF的观测量。使用Arbin电池测试平台采集的不同温度下的混合工况和FUDS工况电池测试数据为基础,比较AUKF-BP算法和BP算法的准确性。结果表明,不同温度下的AUKF-BP算法的平均均值误差为0.82%,BP算法的平均均值误差为1.63%,基于AUKF-BP的SOC估计方法具有更高的鲁棒性和准确性。

关 键 词：锂离子电池 SOC估算  BP神经网络 AUKF  

分 类 号：TM912.6]