混合动力电动车电池荷电状态描述方法

提出一种新的描述电池荷电状态的定义方法,主要针对MH/Ni动力电池,该电池通常意义下的额定容量为8?A·h,并应用在一种混合动力电动车中.混合动力电动车中动力电池的运行环境非常严酷,充放电倍率高,动态转换频繁.通常的电池荷电状态定义方法适合于稳定负载的情况下,在动态负载的情况下就会出现不适应性.原因是不能同时描述电池的静态和动态荷电状态.新定义方法提出静态荷电状态SSOC(Static State of Charge)和动态荷电状态DSOC(Dynamic State of Charge)的概念.静态荷电状态SSOC描述电池内部稳态的荷电量; 动态荷电状态DSOC描述电池充电或放电时,电池内部电荷的饱和程度.对上述定义的电化学原理进行了分析,并提出了初步的计算方法.     

基于改进卡尔曼滤波的电池SOC估算

以研究电动汽车动力电池管理系统为背景,以电池荷电状态估算为关键技术,介绍了荷电状态与其主要影响因素的非线性动态关系,建立了二阶RC等效电池模型.在此基础上,考虑了温度对电池内阻的影响,采用卡尔曼滤波算法、改进的安时计量法和开路电压法,结合基于温度的电池模型参数在线辨识,对电池荷电状态进行估算,通过MATLAB仿真,并与基于经验公式的卡尔曼滤波算法进行了对比,平均误差为2.46%,提高了估算精度,验证了算法的可行性和可靠性.      

考虑倍率的平流层飞艇储能电池建模与分析

准确掌握储能电池的实际电量是确保平流层飞艇实现长航时飞行的关键因素之一。首先，建立了平流层飞艇能源系统仿真模型，对能量输入和消耗进行动态分析。随后，对储能电池进行不同电流倍率的充放电测试，采用多项式拟合的方法，根据测试数据建立了储能电池充放电过程中荷电状态(SOC)、剩余放电时间(RDT)、剩余充电时间(RCT)的分析模型。最后，结合能源系统能量输入、消耗模型和储能电池模型进行飞行模拟仿真，获取各部分变化数据，与已有试验数据进行量化对比分析。结果表明:所构建储能电池模型在SOC、RDT、RCT的计算误差分别小于3%、1.5%、1.5%，能够准确反映电池工作过程中SOC、RDT、RCT的变化，可为平流层飞艇平台制定优化的飞行策略提供量化支撑。      

锂离子电池SOC及容量的多尺度联合估计

锂离子电池的荷电状态（SOC）和电池容量估计是电池管理系统的核心。由于SOC和容量在估计过程中参数相互影响，提出一种适用于三元锂离子电池SOC及容量的多尺度联合估计方法。采用戴维宁等效电路模型，建立数学模型及状态空间方程。针对不同温度下电池特性不同的问题，在不同温度下开展了模型参数辨识，建立了参数随SOC及温度的变化关系。基于双扩展卡尔曼滤波（DEKF）算法建立了电池状态多尺度联合估计模型，对电池的SOC、极化电压在微观时间尺度上进行估计，对电池的容量在宏观时间尺度上进行估计，并对SOC估计中的容量进行更新，保证了电池长期估计的精度。在宽温度范围内进行验证，所建立的三元锂离子电池多尺度联合估计方法具有较高的精度。      

基于正负极动力学特性的锂离子电池优化充电方法

针对电动汽车快速充电存在的问题,分别对锂离子电池正、负极充放电特性进行研究,提出了优化充电方案。以负极析锂抑制为边界条件,获得正、负极在不同状态(SOC)下的最大允许充放电电流,建立了充电过程能耗和充电时间目标函数,以最大允许充电电流为约束条件,利用粒子群算法得到最优多阶段恒流充电电流序列。结果表明:与1 C恒流充电相比,电池充入相同容量时,优化充电时间减少约26.5%,34 min即可充电至80%SOC;与优化充电电流序列的平均电流恒流充电相比,优化充电能耗降低约1.5%。      

基于电离层暴时f_0F_2经验模型Kalman滤波短期预报

利用时间累积地磁指数印ap(T),建立了强地磁扰动条件下电离层f0F2与月中值相对偏差经验模型.该经验模型只在春秋季节和夏季特强地磁扰动条件ap(T)>100,即时间累积地磁指数大于100时达到理想精度.尝试利用气象预报中常用的Kalman滤波方法对模型的系数进行实时修正,以提高预报精度,并对长春站1986-1995年近一个太阳周f0F2数据进行提前一小时预报试验.冬季预报均方根误差为0.76MHz,春秋季节为0.68MHz,夏季为0.61MHz.在特强地磁扰动条件下,预测误差在0.87～1.43MHz之间.该预报方法同时与包含暴时修正模型STORM的国际参考电离层IRI2001进行了比较,展示了Kalman滤波方法实时修正模型系数的能力和良好的应用前景.     

电动汽车动力电池生热模型和散热特性

结合Bernardi生热速率模型建立了单体电池正极片集流体、负极片集流体和电池极板的热耦合模型以及成组电池传热模型;利用Fluent软件仿真分析了自然通风环境中LiFePO₄单体电池的生热特性,模拟了强制空气对流冷却条件下成组电池的生热和散热特性,分析了电池箱出风口位置对电池温度的影响;计算了不同放电倍率下电池组温度变化.计算结果表明:动力电池恒流放电末期,正、负极片的电流密度最大值出现在极耳处,正、负极耳温度高于极板温度,且正极耳温度大于负极耳温度;强制冷却条件下成组电池热特性满足安全工作温度要求;电池箱出风口位置直接影响冷却空气速度场和电池组温度场分布,出风口设置在电池箱下部有助于改善其热状态一致性.对特征点温度监控数据与仿真结果的误差小于5%,能够满足工程需要.      

一种模型误差鲁棒的卫星姿态确定方法

提出一种结合非线性预测滤波和二阶插值滤波实现基于星光/陀螺的高精度姿态确定的新算法.该算法用非线性预测滤波估计模型误差,再对补偿后的模型用高精度的二阶插值滤波来估计姿态参数.解决了在卫星实际运行中难以获得姿态确定系统的精确动力学模型,采用传统EKF(Extended Kalman Filter)将模型误差作为零均值白噪声处理,导致滤波精度降低甚至发散的问题.同时,二阶插值滤波将非线性模型按照二阶近似,无需计算函数偏导数,得到高精度的卫星姿态估计.仿真验证了该方法能有效地实时估计并补偿模型误差,提高了姿态估计的精度,且估计精度受滤波周期的影响不大,从而验证了算法的鲁棒性和有效性.      

INS/SMNS组合导航信息融合算法

为了解决INS/SMNS(Inertial Navigation System /Scene Matching Navigation System)组合导航系统信息融合时涉及到的时间对准、多速率滤波、不等间隔以及量测滞后等问题,根据INS/SMNS组合导航主要应用于末制导段以及Kalman滤波与观测值的关系,提出了采用外推法进行时间对准、变周期离散化进行不等间隔多速率滤波、使用计算机软件消除量测滞后的解决方案.对比分析了常规Kalman滤波、消除量测滞后Kalman滤波以及方案的滤波精度.仿真结果表明设计的方案具有较高的滤波精度.     

递推阻尼最小二乘及其在INS/双星组合中应用

由于双星系统的误差模型未知,且稳定性较差,采用Kalman滤波实现惯导(INS)/双星组合导航时,其滤波特性较差;而此时最小二乘法是实际工程应用中常用的方法,但易产生参数爆发现象.因此,提出了一种基于多输入-多输出(MI-MO)系统的递推阻尼最小二乘法,并将其应用到INS/双星组合导航系统中.仿真结果表明,利用递推阻尼最小二乘法能达到和递推最小二乘法同样的精度,且能明显抑制参数爆发现象.      

基于多特征融合的航天器锂电池健康评估技术

传统的航天器蓄电池可靠性试验按照最大放电深度进行定额充放电，所构建的失效模型用于支撑航天器总体可靠性设计，不能用于在轨锂离子蓄电池健康评估任务；航天器在蓄电池遥测的采样率、精度、样本量方面无法与民用领域相比，基于高采样、大样本的民用蓄电池健康估计方法也不适用于在轨锂离子蓄电池健康评估。针对该问题，从在轨航天器蓄电池数据特性出发，挖掘在轨状态下所能提取的退化特征，并采用多特征综合评价方法，设计了一种基于多特征融合的在轨锂离子蓄电池健康评估方法，实现了在轨蓄电池放电内阻、同放电深度下的终端电压、恒压充电时间3项退化特征融合的健康量化评估，应用于某型号卫星的在轨监测与健康评估，具有良好的工程实用性，可作为国内航天器健康评估技术的参考。     

一种巡视器惯性/视觉组合导航新方法

在以运动参数误差为状态量、视觉导航与惯导导航相对运动参数差为观测量 的传统惯性/视觉组合导航方法中, 为解决相对运动参数同时与前后两个时 刻状态相关的问题, 采用将前一时刻位置和姿态误差增广到状态量中的方法, 并且假设增广的状态量为常值, 导致状态模型中引入了较大的误差. 基于 真实位置、姿态建立观测量误差模型, 导致观测量同时与前后两个时刻的状 态相关. 本文以惯导误差方程为状态模型, 采用四元数差形式的相对运动 参数差作为观测量, 基于上一时刻组合导航位置、姿态估计值建立观测量误 差模型, 实现了状态的增广, 并使得量测信息仅与当前时刻的位置误差和平 台失准角相关, 克服了状态模型误差较大的问题. 月面仿真和地面模拟实验 均表明, 该方法能够达到较高的位置和姿态估计精度.      

基于补偿最小二乘的航天器轨道确定方法研究

航天器动力学模型误差是降低轨道确定精度的关键因素之一,文章将航天器动力学模型中的模型误差转化为测量模型的系统误差,建立了测量方程的部分线性模型;并根据补偿最小二乘原理,推导了部分线性模型参数估计方法,并证明了相关性质。仿真试验表明:部分线性模型更接近测量数据的真实表现;基于补偿最小二乘的航天器轨道改进方法能有效逼近航天器状态真值,定轨精度显著优于传统最小二乘估计。     

基于Jerk输入估计的MCS模型及非线性跟踪算法

针对强机动目标跟踪问题,基于当前统计(CS,Current Statistical)模型、改进输入估计 (MIE,Modified Input Estimation)和无迹强跟踪滤波器,提出了一种新的自适应目标跟踪算法.该算法引入Jerk输入估计改进了当前统计模型的状态方程和机动加速度方差调整方法,利用改进的无迹强跟踪滤波器实现了状态协方差、状态噪声协方差和机动频率的联合自适应.在没有加速度先验知识的情况下,能够实时准确跟踪目标连续强机动、匀加速机动和匀速运动状态.仿真实验表明:相比CS模型无迹滤波算法、CS模型无迹强跟踪算法和交互多模型算法,该算法在对目标强机动的适应性、跟踪精度和对突变状态跟踪的收敛性方面都有更好的性能.     

高空太阳能无人机三维航迹优化

为提升高空太阳能无人机的飞行性能和载荷能力,综合考虑无人机运动状态和能量获取、存储、消耗之间的耦合关系,建立了三维航迹优化模型。采用高斯伪谱法在离散点上近似状态变量和控制变量,且在一系列配点上满足动力学方程的约束,将最优控制问题转化为非线性规划问题。针对典型的点到点飞行任务开展了航迹优化,并与常规定高定速航迹进行了对比。结果表明:通过调整飞行姿态,可以使高空太阳能无人机的净吸收能量提高9.2%;综合调整飞行姿态和改变飞行高度两种措施可以获得更大的能量优势,使储能电池剩余电量提高18.8%。