实车数据驱动的实车工况电池电化学参数在线辨识方法技术

本发明专利技术提供了一种实车数据驱动的实车工况电池电化学参数在线辨识方法，通过基于数据帧数的全局敏感度分析，得到了实车采样周期影响下的电化学参数敏感性变化并以此作为分组辨识的基础，使参数辨识难度得以降低；结合布谷鸟算法搜索性强以及粒子群算法收敛速度快的特点，所设计出的新型辨识算法，能够在精度与速度方面都明显优于现有技术；本发明专利技术的方法适于在线应用，不仅避免了实验测量的误差，同时也无需破坏性地打开电池，仅在车辆实际运行的时即可以得到较精确的电池内部电化学参数，从而具有极高的便利性。

【技术实现步骤摘要】

本专利技术属于电池建模，具体涉及一种实车数据驱动的实车工况电池电化学参数在线辨识方法。

技术介绍

1、目前，现有技术中针对电化学参数的辨识主要通过元启发式算法和人工神经网络两种方式实现，由于这两种方法都是从原始数据出发，通过不断的训练与寻优过程找到模型的最优解，因此辨识结果较依赖于原始数据的精确度，但这又会引起辨识的参数实用性不足的矛盾。在多数情况下，由于实车数据在记录过程中的精度低使得辨识结果可靠性低，且同时车端的算力较为有限，不能够满足深度学习对于算力的要求，而使用粗糙的实车数据进行模型参数的辨识反而更能保证模型的实用性，因此现有的两种方法显然还不能满足实际的需求。

技术实现思路

1、有鉴于此，针对本领域中存在的技术问题，本专利技术提供了一种实车数据驱动的实车工况电池电化学参数在线辨识方法，具体包括以下步骤：

2、步骤一、从实车原始数据中提取电池电压、电流和温度数据以及待辨识的电化学参数，利用morris敏感度分析方法对各电化学参数在其相应的取值范围内依次进行多次随机抽样和敏感度计算，确定出各本文档来自技高网...

【技术保护点】

1.实车数据驱动的实车工况电池电化学参数在线辨识方法，其特征在于：具体包括以下步骤：

2.如权利要求1所述的方法，其特征在于：步骤一中确定各参数所对应敏感度等级的过程依次包括：

3.如权利要求2所述的方法，其特征在于：步骤二中对所述构建多步布谷鸟粒子群模型的构建过程依次包括：

4.如权利要求2所述的方法，其特征在于：步骤三具体基于步骤一得到的各参数所对应的不同敏感度等级，将参数分为4组并依次进行辨识，首先进行极高敏感度参数的辨识，其次辨识高敏感度参数，然后是中敏感度参数，最后是低敏感度参数。

【技术特征摘要】

1.实车数据驱动的实车工况电池电化学参数在线辨识方法，其特征在于：具体包括以下步骤：

2.如权利要求1所述的方法，其特征在于：步骤一中确定各参数所对应敏感度等级的过程依次包括：

3.如权利要求2所述的方法，其特征在于：步骤二中对所述构建多步布...

【专利技术属性】
技术研发人员：林倪，王震坡，黄胜旭，陈帅衡，张照生，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：