一种混合动力汽车动力电池初始电量算法制造技术

本发明专利技术公开了一种混合动力汽车动力电池初始电量算法，包括ANFIS构造、确定ANFIS网络结构、选择高斯隶属函数作为输入和输出的隶属函数、划分输入变量空间、利用BP神经网络与ANFIS模型计算电池初始电量Q1。本方案，此算法能够实时监控动力电池电量，防止动力电池出现过充或者过放而影响动力电池寿命，通过分析电池的充放电过程，确定SOC的关键参数，并在MatLab平台上对试验模型进行了修正，通过试验仿真比较，表明ANFIS具有较强的自适应能力和泛化能力，该方法将电池初始电量估计误差降低到3％以下，可用于混合动力汽车智能监控系统，加入温度补偿系数，通过温度补偿系数对温度影响进行纠正，可以更好地提高估算精度。

An Initial Battery Volume Algorithms for Hybrid Electric Vehicles

【技术实现步骤摘要】
一种混合动力汽车动力电池初始电量算法
本专利技术涉及电量算法
，尤其涉及一种混合动力汽车动力电池初始电量算法。
技术介绍
电池管理系统是一种混合动力汽车或者纯电动汽车上使用的动力电池控制系统，根据整车需求对动力电池各方面的参数、性能进行控制。电池管理系统是电池与用户之间的桥梁，主要的控制对象是二次电池，其最终的目标就是为了能够提高电池的使用效率，防止电池发生过度充放电，尽可能地保护动力电池，让其发挥最大的使用性能。SOC作为剩余电量，表示初始容量中剩余容量所占的百分比，范围为0％100％，传统SOC评估方法主要有电流积分法、开路电压法、OCV和SOC对应关系法等。对于这些方法，可以从温度改变率、充放电速率、充放电效率等方面加以改进，也可以利用模糊控制算法、神经网络算法、卡尔曼滤波算法、阻抗谱法和C.Ehret线性模型等方法进行改进。由于电池的高度非线性特性，使得传统的SOC评估方法不能有效地反映出评估的准确性，如电流积分法有误差累积，开路电压法不适用于脉动电流过程中的频繁波动；模糊控制依赖于工程经验，神经网络依赖于样本的选择，卡尔曼滤波取决于精确的计算复杂度，阻抗谱法需要构造附加额外的函数且增加了计算机复杂度；线性模型方法仅适用于低电流情况。
技术实现思路
本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种混合动力汽车动力电池初始电量算法。为了实现上述目的，本专利技术采用了如下技术方案：一种混合动力汽车动力电池初始电量算法，具体包括以下步骤：S1、ANFIS构造：假设模糊神经网络具有2个输入变量x和y，1个输出量z，根据一阶T-S模糊模型，计算公式如下：公式1：对于x∈A1，y∈B1，则：f1＝p1x+q1y+r1；公式2：对于x∈A2，y∈B2，则：f2＝p2x+q2y+r2；S2、A1和B1为输入变量模糊集，该层的节点激活函数代表模糊变量的隶属函数，输出表示模糊结果即隶属度，其中，节点传递函数可表示为：O1，i＝fx，i(X)，i＝1，2O1，j＝fy(j-2)(y)，j＝3，4通常使用高斯函数作为激活函数；S3、乘以模糊得到2个任意隶属度，因此输出表示模糊规则或自适应函数，即：O2，i＝Wi＝fx，i(X)fy，i(X)，i＝1，2Wi为隶属度权重；S4、规范每个规则的应用程度，即：S5、计算每个规则的结论，即：Zi；＝Pix+qiy+ri，i＝1，2；S6、计算所有输出，则系统输出为：式中：Pi，qi和ri为对应的参数，通过算法训练，ANFIS可以使它们在指定的目标上达到模糊建模的目的；S7、确定ANFIS网络结构：为了利用MatLab模糊工具箱对采集到的数据进行仿真，在此选择ANFIS自带的genfisl函数进行计算，通过网格划分的方式给定数据集并生成模糊推理系统通过genfisl函数生成的模糊推理系统输出隶属函数曲线，可以确保覆盖整个输入和输出空间的均匀划分，并且定义其输入和输出隶属函数的类型和数量，将不同的电压、电流、SOC和关于时间序列的放电率作为试验所用的训练数据和测试数据、并且将序列中的奇数项目作为训练数据，偶数项目作为测试数据；S8、选择高斯隶属函数作为输入和输出的隶属函数，由于ANFIS是Sugeno型模糊系统，因此具有2个输出变量隶属函数，即常数项和线性函数；S9、划分输入变量空间：对收集的数据进行排序，以获得最小和最大输入变量，最后为每个输入变量建立3个模糊集，对应生成高、中、低隶属函数结果，输入空间对应于隶属乘积的输出变量，对应的输出值在0和1之间；S10、利用BP神经网络与ANFIS模型计算电池初始电量Q1。优选的，电池的电荷容量随着环境温度的变换而变化，电池上标明的容量是按照标准环境温度25℃计算的。温度低时，容量降低，因为电解液的黏度增加，扩散困难，浓差极化增大，活性物质内部的化学反应难以进行，温度高时，容量增大，温度补偿系数可用以下经验公式表示；htem＝1+K(T-25)；K根据电池的具体类型由实验确定，为T实际环境温度；则实际电池初始电量Q＝Q1*htem。优选的，由于单一神经网络对电池SOC预测是启发式学习；因此，根据传统规则表达启发式学习并不利于训练非线性数据集，且不可避免地增加网络的训练时间；而单一模糊预测可以简单地实现启发式学习，但无法获得准确的结果；由于其自学习能力和适应能力的较弱，则难以自动形成隶属函数局部模糊的规则；因此，模糊逻辑与神经网络的组合形式可以在任何条件下获得精确值，同时也可以优化估计过程，并可以利用神经网络和模糊系统的优势。本专利技术提供的一种混合动力汽车动力电池初始电量算法，与现有技术相比：1.本方案，提出了一种通用性强、适应性强和精度高的混合动力汽车动力电池初始电量算法。通过分析电池的充放电过程，确定SOC的关键参数，并在MatLab平台上对试验模型进行了修正。通过试验仿真比较，表明ANFIS具有较强的自适应能力和泛化能力，该方法将电池初始电量估计误差降低到3％以下，可用于混合动力汽车智能监控系统，此算法能够实时监控动力电池电量，防止动力电池出现过充或者过放而影响动力电池寿命；2.加入温度补偿系数，通过温度补偿系数对温度影响进行纠正，可以更好地提高估算精度。附图说明：图1为本专利技术的等效ANFIS结构图；图2为不同的放电条件下的电流鄄电压测量；图3为本专利技术的自适应模糊神经网络预测框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合具体实施例和说明书附图1-3，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例1一种混合动力汽车动力电池初始电量算法，具体包括以下步骤：S1、ANFIS构造：假设模糊神经网络具有2个输入变量x和y，1个输出量z，根据一阶T-S模糊模型，计算公式如下：公式1：对于x∈A1，y∈B1，则：f1＝p1x+q1y+r1；公式2：对于x∈A2，y∈B2，则：f2＝p2x+q2y+r2；S2、A1和B1为输入变量模糊集，该层的节点激活函数代表模糊变量的隶属函数，输出表示模糊结果即隶属度，其中，节点传递函数可表示为：O1，i＝fx，i(X)，i＝1，2O1，j＝fy(j-2)(y)，j＝3，4通常使用高斯函数作为激活函数；S3、乘以模糊得到2个任意隶属度，因此输出表示模糊规则或自适应函数，即：O2，i＝Wi＝fx，i(X)fy，i(X)，i＝1，2Wi为隶属度权重；S4、规范每个规则的应用程度，即：S5、计算每个规则的结论，即：Zi；＝Pix+qiy+ri，i＝1，2；S6、计算所有输出，则系统输出为：式中：Pi，qi和ri为对应的参数，通过算法训练，ANFIS可以使它们在指定的目标上达到模糊建模的目的；S7、确定ANFIS网络结构：为了利用MatLab模糊工具箱对采集到的数据进行仿真，在此选择ANFIS自带的genfisl函数进行计算，通过网格划分的方式给定数据集并生成模糊推理系统通过genfisl函数生成的模糊推理系统输出隶属函数曲线，可以确保覆盖整个输入和输出空间的均匀划分，并且定义其输入和输出隶属函数的类型和数量，将不同的电压、电流、SOC和关于时间序列的放电率作为试验所用的训练数据和测试数据、并且将序列中的奇数项目作为训练本文档来自技高网...

【技术保护点】
1.一种混合动力汽车动力电池初始电量算法，其特征在于，具体包括以下步骤：S1、ANFIS构造：假设模糊神经网络具有2个输入变量x和y，1个输出量z，根据一阶T‑S模糊模型，计算公式如下：公式1：对于x∈A1，y∈B1，则：f1＝p1x+q1y+r1；公式2：对于x∈A2，y∈B2，则：f2＝p2x+q2y+r2；S2、A1和B1为输入变量模糊集，该层的节点激活函数代表模糊变量的隶属函数，输出表示模糊结果即隶属度，其中，节点传递函数可表示为：O1，i＝fx，i(X)，i＝1，2O1，j＝fy(j‑2)(y)，j＝3，4通常使用高斯函数作为激活函数；S3、乘以模糊得到2个任意隶属度，因此输出表示模糊规则或自适应函数，即：O2，i＝Wi＝fx，i(X)fy，i(X)，i＝1，2Wi为隶属度权重；S4、规范每个规则的应用程度，即：

【技术特征摘要】
1.一种混合动力汽车动力电池初始电量算法，其特征在于，具体包括以下步骤：S1、ANFIS构造：假设模糊神经网络具有2个输入变量x和y，1个输出量z，根据一阶T-S模糊模型，计算公式如下：公式1：对于x∈A1，y∈B1，则：f1＝p1x+q1y+r1；公式2：对于x∈A2，y∈B2，则：f2＝p2x+q2y+r2；S2、A1和B1为输入变量模糊集，该层的节点激活函数代表模糊变量的隶属函数，输出表示模糊结果即隶属度，其中，节点传递函数可表示为：O1，i＝fx，i(X)，i＝1，2O1，j＝fy(j-2)(y)，j＝3，4通常使用高斯函数作为激活函数；S3、乘以模糊得到2个任意隶属度，因此输出表示模糊规则或自适应函数，即：O2，i＝Wi＝fx，i(X)fy，i(X)，i＝1，2Wi为隶属度权重；S4、规范每个规则的应用程度，即：S5、计算每个规则的结论，即：Zi；＝Pix+qiy+ri，i＝1，2；S6、计算所有输出，则系统输出为：式中：Pi，qi和ri为对应的参数，通过算法训练，ANFIS可以使它们在指定的目标上达到模糊建模的目的；S7、确定ANFIS网络结构：为了利用MatLab模糊工具箱对采集到的数据进行仿真，在此选择ANFIS自带的genfisl函数进行计算，通过网格划分的方式给定数据集并生成模糊推理系统通过genfisl函数生成的模糊推理系统输出隶属函数曲线，可以确保覆盖整个输入和输出空间的均匀划分，并且定义其输入和输出隶属函数的类型和数量，将不同的电压、电流、SOC和关于时间序列的放电率作为试验所用的训练数据和测试数据、...

【专利技术属性】
技术研发人员：段永生，张佳谋，常康伟，
申请(专利权)人：汉腾汽车有限公司，
类型：发明
国别省市：江西,36