具有不确定性及电池荷电状态约束的制动能量回收系统控制方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
11072183
项目类别：
面上项目
资助金额：
35.0万
负责人：
王军平
依托单位：
西安交通大学
学科分类：
A0705.飞行器和载运系统动力学
结题年份：
2013
批准年份：
2010
项目状态：
已结题
起止时间：
2011-01-01 至2013-12-31

项目参与者：
曹秉刚；张政；王锋；文建平；许鹏；张森；孟晨兴；丁雷；
关键词：
电动汽车制动能量回收不确定性控制策略荷电状态

项目摘要

电动汽车制动能量回收系统工作时面临系统参数和行驶环境不确定等众多不确定性问题，并受到电池组荷电状态（SOC）的动态约束，这为制动能量回收系统控制方法的研究带来很大挑战。本项目在研究动态工况及电池特性不均匀条件下电池组SOC估计方法的基础上，研究电池的非线性动态模型及基于电机/电池的能量回收这一耦合系统的非线性动力学模型，研究SOC约束下的智能非线性自适应鲁棒控制方法并应用于再生制动控制策略设计，从而提出具有不确定性及电池组SOC动态约束下的制动能量回收系统控制方法，以提高电动汽车的续驶里程并保证制动安全性以及能量回收效率。.本项目的研究可为上述研究目标的实现提供理论基础和技术支持，并且所研究的高精度的电池组SOC估计算法也能为电动汽车动力电池的监控以及混合动力汽车能量分配策略等相关课题的研究提供强有力的理论支持。

结项摘要

项目主要针对能量回收系统中的不确定性及电池组SOC的动态约束，在研究高精度SOC估计方法的基础上，研究了电动汽车驱动与再生制动系统的非线性模型，基于此模型研究了SOC约束下的非线性自适应鲁棒控制方法并应用于再生制动控制策略设计，以达到满意的控制效果。本项目针对这些问题，开展了关键科学问题及技术研究。构建了随机模糊神经网络电池模型、能量回收系统非线性动力学模型。提出了非线性系统自适应鲁棒控制方法及SOC动态约束下基于自适应鲁棒控制方法的再生制动控制策略设计方法。在研究动态工况及电池特性不均匀条件下, 提出了基于卡尔曼滤波的SOC估计算法，提高了SOC算法的可靠性。提出了基于虚拟现实技术的动力系统测试方法并实现了平台设计、系统优化。. 项目的研究有效提高了电动汽车的续驶里程并保证制动安全性以及能量回收效率。所研究的高精度的电池组SOC估计算法也能为电动汽车动力电池的监控以及混合动力汽车能量分配策略等相关课题的研究提供强有力的理论支持。. 项目共发表学术论文7篇,其中SCI检索1篇，EI检索7篇。申请发明专利10件、已授权发明专利4件，已授权实用新型专利4件。培养研究生13名，其中已毕业博生2名，硕士6名。取得预期成果。