一、对电池内阻测试仪内阻量程检测方法的探讨（论文文献综述）
陈芬放[1]（2021）在《高能量密度NCA正极锂离子电池老化过程产热特性研究》文中认为锂离子电池作为一种理想的储能系统,在电子产品、电动汽车和多能互补能源体系中发挥了重要作用,也是实现碳达峰和碳中和的关键技术。锂电池的性能、寿命和热稳定性受温度影响极大,必须要严格控制其使用和存储过程中的温度,也即热管理。随着锂电池能量密度的不断提高,热管理的问题也更加突出。锂电池工作时的温度由其内部产热功率和外表换热功率共同决定,因此,掌握锂电池产热特性是高效、精确热管理的前提。电池的产热特性复杂,不仅受温度、充放电电流、荷电状态（SOC）等诸多因素的影响,还会随着电池的老化而发生显着的变化。为了实现电池全生命周期内良好的热管理,必须要掌握电池老化过程的产热特性演变规律以及老化对产热的影响机制,本文围绕该目标展开了研究,主要工作内容和结论如下:（1）高能量密度NCA正极锂电池老化及其过程中产热特性试验研究。开展了不同环境温度和充放电倍率组合下的循环老化和产热功率测量实验,基于实验数据分析了电池的容量衰退规律、阻抗特性变化、老化机制和产热功率演变规律,结果表明:电池在低温下工作时老化最快,23℃下降低充放电倍率能使电池寿命显着延长,充放电倍率较大时,提高环境温度能有效延长电池寿命。40℃下充放电倍率对电池老化速率影响较小。电池老化过程中的直流内阻和交流阻抗显着提高,其中40℃下循环电池的内阻随容量衰退增长最快。通过差分电压分析发现0、23和40℃下循环电池的主导老化模式分别为锂离子存量损失（LLI）、负极活性材料损失（LAM）和正极活性材料损失。随着电池的老化其放电过程的总产热量和平均产热功率显着提高,并且不同老化条件下电池的产热特性演变存在差异化现象,各老化条件下电池从老化前循环至寿命结束时的平均产热功率增长率与容量衰退率之比（ξki）在0.92～2.94之间。此外,相同老化条件下电池在不同老化阶段的ξki也不同。（2）老化对电池产热特性影响机制的仿真研究。考虑LLI和LAM,建立了模拟电池老化及其过程中产热变化的电化学-老化-热耦合模型。数值仿真结果表明,随着电池的老化,相同电流下电池的总产热功率显着提高,其主要是由固体电解质界面（SEI）膜厚度增大、负极孔隙率降低引起的SEI膜产热功率和负极液相欧姆热功率的提高导致。此外,在LAM程度大于LLI的情况下,电池老化后的极化热功率也有所增长。在此基础之上,研究了SEI膜物性参数、电池老化模式和负极孔隙率等因素对电池老化过程产热特性变化的影响,发现SEI膜离子电导率下降会使电池老化过程的SEI膜电阻及其产热功率的增速提高。SEI膜摩尔体积的增大会导致电池容量衰退速率下降,并且会使SEI膜产热功率和负极液相欧姆热功率的增速同时增大。相比同时发生LLI和LAM,电池仅发生LLI时SEI膜产热功率和负极液相欧姆热功率的增长随容量衰退更快,但极化热功率降低。当电池仅发生LLI时,SEI膜离子电导率和摩尔体积的变化对电池产热的影响规律与同时发生LLI和LAM时类似,但影响程度变大。初始负极孔隙率的降低会导致电池老化过程中SEI膜产热功率和负极液相欧姆热功率的增速提高。
夏占[2]（2021）在《电动汽车锂离子电池交替式均衡控制系统研究》文中研究表明随着能源需求增长和环境污染恶化,电动汽车将逐步占领汽车市场。作为电动汽车动力心脏的锂离子电池,在使用过程中剩余电量的不一致性不断扩大,直接影响电动汽车的续航里程,因此电池均衡控制系统成为电动汽车领域的研究热点。本文以18650三元锂离子电池为研究对象,开展以下研究:首先,采用扩展卡尔曼滤波算法对电池进行SOC估算。搭建二阶RC电路模型,采用HPPC脉冲测试法进行电池参数识别,在MATLAB/Simulink中对该电路模型的精确性进行仿真验证。在1C放电倍率直流放电和1C、1/3C放电倍率间歇放电工况下,通过仿真得到的工作电压数据与实验数据进行对比,误差值在0.05v之内,验证电路模型的有效性。在MATLAB中分别进行直流放电工况和间歇放电工况下的SOC估算仿真,并与实验数据进行对比,误差值控制在3%左右,验证扩展卡尔曼滤波算法的可行性。其次,设计短路式均衡拓扑结构及其控制策略。以SOC作为均衡变量,通过继电器通断实现不同电池之间的交替重组,形成串联电池组进行充放电,以达到整个电池组SOC均衡的目的。在Simulink中进行相对应充放电仿真,验证该系统的可行性。仿真结果表明,在正常工况下,单体电池在充放电过程中的不一致性控制在1.556%以内;故障工况下,电池组依然能够选择性放电,直至电池组不满足放电需求。最后,搭建交替式均衡控制系统实验平台,进行电池组电压采集,SOC估算及不同工况下的充放电实验。实验结果表明,该系统采集到的电压值及SOC估算值均与真实值变化趋势相同,具有可行性;在正常工况下的放电实验中,延时时间由20s缩短为10s,电池之间的不一致性缩小至1.27%,能明显改善系统的均衡效果。实验结果与仿真结果相一致,证明该系统对电池均衡控制的有效性。
苏有平[3]（2021）在《单液流锌镍电池阻抗谱测量及模型参数辨识》文中认为单液流锌镍电池（Single-Flow Zinc-Nickel Battery）是一种新型的液流储能装置,它具有造价成本低、储能容量大以及循环寿命长等优点,在储能领域具有广阔的发展前景。电化学阻抗谱（Electrochemical Impedance Spectroscopy,EIS）涵盖频率范围广,包含阻抗信息丰富,给电池建模分析提供了强有力的依据。本论文为获取单液流锌镍电池阻抗谱及阻抗参数,设计了基于STM32的单液流锌镍电池阻抗谱测量平台,并提出一种改进的鲸鱼优化算法辨识电池阻抗模型参数。论文对全相位FFT（All-Phase FFT,APFFT）法估计两个同频正弦信号的幅度比值与相位差进行理论分析,结合阻抗谱频域测量原理,确定单液流锌镍电池阻抗谱测量方案,并设计相应的阻抗谱测量平台。测量平台以STM32控制器为核心,使用AD9833产生设定频率的正弦信号,通过恒电流仪进行V/I转换后向待测电池注入电流激励,利用定时器中断控制AD7606的采样率。在STM32控制器上集成全相位FFT算法,实现在控制器片内对电流、电压信号进行全相位FFT分析,得到测量频率点的电池阻抗值。采用查表的方式进行扫频测量电池阻抗谱,并通过串口将测量数据发送到上位机进行保存。对单液流锌镍电池阻抗谱测量平台进行滤波放大电路、恒电流仪等功能测试。进行RC等效电路、单液流锌镍电池阻抗谱测量,并对比专业仪器频率响应分析仪测量结果。实验表明,所研制的阻抗谱测量平台测量单液流锌镍电池阻抗谱,阻抗幅值测量误差小于5%,相角测量误差小于1.2°。同时,采用新威充放电测试仪对单液流锌镍电池进行充放电,由测量平台得到电池在不同荷电状态（SOC）下的阻抗谱数据。针对通过拟合阻抗谱数据建立等效电路模型难度大的问题,应用弛豫时间分布（Distribution of Relaxation Times,DRT）法解析单液流锌镍电池阻抗谱,建立了单液流锌镍电池4阶RC阻抗等效电路模型。提出一种改进的鲸鱼优化算法,用于辨识阻抗等效电路模型参数。基于电池实测阻抗谱数据,使用改进的鲸鱼优化算法辨识得到电池在不同SOC下的模型参数值。实验结果表明,采用改进的鲸鱼优化算法辨识阻抗等效电路模型参数,阻抗实部平均相对误差小于2%,虚部平均相对误差小于10%。
陆新[4]（2021）在《基于分数阶模型的锂离子电池电极的电荷分布及传热特性研究》文中提出锂离子电池作为电动汽车的关键部件,其动力性能直接影响电动汽车的推广。电池荷电状态（SOC）表征电池剩余电量,其对于电池管理系统（BMS）中的容量监测具有重要意义。受到电池老化机理的影响,电极性能会随着充放电循环次数的增加而降低。对电极老化程度的研究可以用于防止电力系统中可能出现的故障。电池是一个非线性强的动力学系统,电池状态难以直接被测量。电池在充放电过程中产生大量热量。不均匀的温度分布会影响电池的性能和寿命,研究锂离子电池的传热特性具有重要意义。本文用分数阶等效电路模型的分数阶导数阶次来估算电池的SOC和电池老化程度,并用阶次来揭示电池生命周期中的电极上的电荷密度的变迁过程。电池的热传导包含有多种传热形式。传统的热传导模型难以精确的模拟锂离子电池的热传导行为。本文采用分数阶热传导模型研究了锂离子电池的传热特性。具体研究内容如下:（1）建立了电池的分数阶等效电路模型。锂离子电池的电极由多孔材料组成,电极材料在微观结构上具有一定的自相似性。在电池内部的电化学反应达到稳定状态后,电极上的电荷分布存在分形特性。在电池内部动静态电学特性的研究中通常采用等效电路模型来模拟,整数阶等效电路模型难以表征电极电荷分布的分形性质。基于分数阶导数与分形理论的关联性,采用分数阶等效电路模型模拟较为合适。（2）提出了分数阶模型的分数阶导数阶次与电池SOC、老化程度以及电荷密度之间的关联性假设。在电池单次充放电或循环充放电的过程中,电极性能的变化会影响电荷的分形分布。电池的SOC、老化程度以及电荷密度会导致电荷分布的逐渐偏离原始的分形形态。因此,电池的分数阶等效电路模型中的导数阶次是随着电池的SOC、老化程度以及电荷密度改变的。如果分数阶导数阶次与SOC、老化程度以及电荷密度存在关联性,则分数阶导数阶次可以用作为电池SOC、老化程度以及电荷密度的一个指标,并且可以反映出电池生命周期中电荷分布的变化过程。本文证实了分数阶导数阶次与电池SOC、老化程度以及电荷密度之间的关联性。（3）提出了一种基于分数阶模型的新的SOC估算方法。建立了实验测试平台,在不同SOC处采集瞬态放电数据。将瞬态放电数据集代入分数阶模型中进行辨识。结果表明,分数阶导数阶次与SOC之间存在稳定的单调关系。分数阶导数阶次数被用来估算电池SOC。此外,还提出了一种基于分数阶模型的迭代方法来提高电池SOC的估算精度。（4）确定了电极老化与分数阶导数阶次的关系,并以导数阶次作为电池老化的指标。以满充电锂离子电池瞬态放电数据集为分数阶模型辨识系统的输入信号。模型参数辨识结果表明,电池模型的导数阶次与电池循环次数之间存在稳定的单调关系。用分数阶导数阶次估算电池老化程度是一种快速、有效并且无需拆解电池的估算方法。针对多孔电极上的电荷密度难以被常规方法检测的问题,提出用可视化的分数阶导数阶次来表征电极的电荷分布,并揭示了电极的物理性质对电荷密度的影响。更重要的是,发现容量恢复效应与电荷密度的突变密切相关,并用分数阶导数阶次解释容量恢复效应。（5）基于分数阶微积分理论建立了电池的热传导模型。然后,进行电池温度特性测试。分析了分数热传导模型的模拟效果并进行了电池的热应力分布计算。结果表明,分数阶热传导模型比传统的热传导模型具有更高的精度。分数阶模型更适用于多孔电极中的传热特性分析。与传统的电池状态估算方法不同,本文提出的SOC和老化程度估算方法是通过建立分数阶导数阶次和电极电荷分布机制之间的内在关系来估算电池状态的新探索。此外,本文采用分数阶传热模型扩展了整数阶传热模型的适用范围,使得分数阶模型更适用于多孔电极中的传热过程,并提高了电池的温度场的模拟精度。
莫伟县[5]（2021）在《单液流锌镍电池SOC估计及充电能效优化分析》文中研究表明单液流锌镍电池（Single-Flow Zinc-Nickel Battery）是一种新型的液流储能装置,具有造价成本低、生命周期长以及储能容量大等优点,在储能领域具有广阔的发展前景。而电池的荷电状态（State Of Charge,SOC）是表征电池当前剩余电量的重要参数,针对目前单液流锌镍电池SOC估算精度不高和能量效率低等问题,本文以单液流锌镍电池为研究对象,利用自适应平方根容积卡尔曼滤波（Adaptive Square-Root Cubature Kalman Filtering,ASRCKF）对电池进行SOC估计,并提出一种改进郊狼优化算法对充电电流进行优化,以提高电池充电能量效率。首先,分析了电池各类建模方法的特点及优势,建立单液流锌镍电池的2-RC等效电路模型,采用新威BTS-5V200A电池测试系统获取了单液流锌镍电池脉冲充放电电流和端电压数据,通过提出一种改进郊狼优化算法进行分阶段辨识模型参数。接着,针对容积卡尔曼滤波（Cubature Kalman Filtering,CKF）算法在迭代中存在诸多过程能够破坏协方差对称性和正定性的敏感操作导致算法终止、及固定量测噪声协方差导致估计SOC精度不足的问题,利用ASRCKF对单液流锌镍电池的SOC进行估计;并提出改进郊狼优化算法优化过程噪声协方差Q、量测噪声协方差初值R（0）和状态误差协方差初值P0等参数,以提高ASRCKF算法的估计精度和增强其鲁棒性。通过不同工况实验表明,优化后的ASRCKF估计电池的SOC,具有较高估计精度和较强的鲁棒性。最后,针对单液流锌镍能量效率低的问题,本文分析了充电电流对单液流锌镍电池充电能量效率的影响,提出对电池分阶段充电可以有效提高电池的充电能量效率;并通过间隔5%的SOC对电池分阶段充电,建立了电池的充电能效仿真优化模型,采用改进郊狼优化算法优化各阶段充电电流,仿真结果表明,用优化后的各阶段充电电流对电池进行充电仿真,优化后的充电能效为67.90%,与倍率为1C的传统恒流充电方式比较,充电能效提升了0.44%。此外,为了进一步验证ASRCKF的实用性,设计了单液流锌镍电池的SOC估计平台,搭建了以STM32F107VCT6微控制器为核心的电池充放电测控系统,通过下位机实时采集相关充放电数据,及将数据上传到上位机,实现SOC估计。
王昭宇[6]（2021）在《3-氟苯甲醚提升锂离子电池电解液过充安全性研究》文中进行了进一步梳理随着人类社会的发展,各国都面临着能源日益短缺以及化石燃料燃烧所引发的大气污染、全球变暖等一系列问题,新能源的开发利用得到了越来越多的重视。锂离子电池作为一种理想的化学能源电池,凭借自身价格低廉、能量密度高、循环寿命长和更加环境友好等优点,得到了迅速发展,被广泛应用于可移动电子设备、电动汽车和电网级大规模储能设备等领域。然而锂离子电池由于热稳定性差,在使用不当的情况下极易引发火灾、爆炸等安全性问题,限制了锂离子电池的发展。电解液是电池内部最易燃的组分,通过引入添加剂的方法对电解液进行改性,是提升锂离子电池安全性能的一种重要方法。本文引入3-氟苯甲醚（3FA）作为锂离子电池电解液防过充添加剂,探究了在不同添加量下3FA对锂离子电池的防过充性能、电化学性能以及热安全性的影响,并对添加剂的作用机理进行分析。综合评估了 3FA作为锂离子电池电解液添加剂的效果。实验证明3FA在添加量小于5 wt.%时对电池的循环性能、电化学阻抗以及电解液的电导率影响很小。在电池发生过充时,3FA可以大大增加电池的防过充性能,其可以在4.4 V左右时发生电聚合反应,消耗过充过程中的电能,将0.1 C下的镍钴锰半电池从截止电压4.2 V到5 V的过充时间,从5.46 h提升到11.82 h。基于C80微量量热仪实验结果,揭示了电解液和电极材料混合体系的热稳定性,3FA提升了电池材料和电解液混合体系的热分解反应开始温度,降低了整个热分解反应的放热,还对热分解反应过程中的放热速率峰值出现的温度也有一定的延迟作用。通过测量电池在过充过程中的原位放热情况,从能量转化的角度揭示了电聚合类防过充添加剂的作用机理。3FA可以将过充的电能转化成热能释放出来,随着3FA含量的提升,电能转化成热量的比例逐渐上升,防过充效果越发明显。分析了聚合物在正极材料和隔膜上的沉积的情况,以及对产热的影响,揭示了电聚合类添加剂的作用过程。研究分析证明了 3FA作为锂离子电池电解液添加剂在防过充和增强电池热安全性方面具有一定的作用,对指导高安全性锂离子电池电解液的设计具有重要意义。
李洪雷[7]（2021）在《基于IC曲线的退役电池容量估计和一致性筛选》文中研究说明人们对能源和环境问题的持续关注,使得新能源汽车成为未来汽车制造业的一个必然趋势。但电池作为新能源汽车的核心部件,其性能会随着使用而衰减,当电池的容量下降到80%时,因不能满足汽车性能需求而被替换下来。被替换下的退役电池,虽然不再满足原电动汽车的性能,但在经过筛选后可以用在对电池性能要求低的场合,如电网储能、低速观光车等。通过这种梯次利用的方式,可以延长电池使用寿命,充分利用电池的价值,对于不断促进新能源汽车行业的健康发展具有非常重要的推动作用。而如何快速准确的对退役电池的性能参数进行辨识,并将一致性较好的电池重新筛选出来是制约退役电池梯次利用的一大障碍,也是梯次利用行业的一项难题。针对退役电池的容量测试效率以及电池的一致性筛选效果和效率的问题,利用退役电池的容量增量（IC）曲线建立了一套电池快速筛选模型。主要工作和结论如下:（1）分析了电池容量增量曲线的倍率特性和老化特性。通过不同的电流倍率下的曲线确定了1000m A电流下曲线的特征明显且效率较高;在此基础上,通过测试不同循环老化下的容量增量曲线,发现不同老化下曲线表现不同,可以建立曲线特征与电池容量的关系进而估算容量。（2）提出一种利用部分曲线的电池容量估计模型,通过AGA优化的BPNN建立了容量增量曲线的特征参数与容量的定量关系,实现了电池容量估计。在与其他算法的对比中AGA-BPNN表现出良好的性能,估算容量的最大误差仅为2.9776%,模型决定系数也达到了0.9443。并且由于算法需要的数据仅为电池充电曲线的一部分曲线,相比于同倍率的传统测试方法测试时间下降了60%～70%。文章也证实了可以使用大电流下的曲线估算小电流下容量的可能,也为今后更快的筛选提供了可行的方法。（3）为了提高电池的一致性筛选效果,提出一种基于容量增量曲线的电池一致性筛选策略,将曲线相似的电池分到同一组内。该方法筛选出的电池在老化程度和老化机理上也拥有较好的一致性。在此基础上运用k-means++和罗曼诺夫准则,最终结果簇内点到簇中心距离明显减少,效果最好的组在MSE上降低了74.65%。（4）为了提高电池的一致性筛选效率,提出一种并联放电接串联充电的容量增量曲线快速测试方法,在本实验8个电池串联的情况下可以同时测试8个电池的容量增量曲线。有效提高曲线测试效率,并且结构简单易于实现。
伍柏霖[8]（2021）在《改进型分数阶AEKF算法SOC估计及硬件在环设计》文中指出新能源汽车主要是以锂离子电池作为能量来源,而电池管理系统用于对新能源汽车的电池组进行管理和监控的系统,能够实时检测电池各种参数,控制电池在充分发挥电池能量的同时,防止电池在放电时出现过放现象,在充电时出现过充现象,以及控制出现热失控现象,保障电池的安全使用,不仅可以延长电池的使用年限,还可以提高电池使用效率,延长汽车的续航里程。电池SOC值在电池管理系统中作为最重要的估计数据之一,能否准确对其进行估计,直接影响着车辆的控制和决策,对提高行车效率和安全有着重要的意义。本文提出一种带温度修正的自适应FEKF的SOC估计算法,并进行了硬件在环设计及验证。首先,本文针对电池模型和SOC估计,总结了国内外在电池建模及SOC估计方面的发展现状和研究成果,从电池模型的建立、参数辨识以及SOC估计算法三个方面出发,对电池SOC估计进行研究,并提出改进方案。其次,对三元锂离子电池进行了特性测试实验,考虑温度变化对所建立的电池模型参数的影响,通过连续和脉冲充放电实验,建立了电池特性参数与温度的关系;对电池进行交流阻抗谱实验,将二阶RC等效电路模型中的电容替换为CPE元件,建立RQ分数阶等效电路模型,利用温度对模型参数进行修正,结合分数阶理论对模型进行离散化,采用改进的遗传算法对该模型进行离线辨识,在脉冲工况下将该模型与传统整数阶模型做了对比;在DST工况下将带温度修正的模型与恒参数模型做了对比。结果表明,分数阶模型较传统模型具有更好的精度,带温度修正的模型比恒参数模型有更好的精度。再次,推导并改进了带温度修正的分数阶扩展卡尔曼的算法公式。采用自适应规则对扩展卡尔曼中的噪声协方差进行调整,通过仿真,比较了带温度修正的自适应分数阶扩展卡尔曼算法和其余卡尔曼滤波算法的精度和鲁棒性;通过设定不同初始值下比较了带温度修正的自适应分数阶扩展卡尔曼滤波算法的收敛性;在不同温度下比较了带温度修正的自适应分数阶扩展卡尔曼滤波算法的精度和鲁棒性。最后,建立锂离子电池SOC估计的硬件在环系统,将实时采集到的电流、电压及温度信号发送到上位机,在上位机中嵌入T-AFEKF算法,实现对电池SOC进行实时估计显示。
程郅皓[9]（2021）在《基于内阻的退役电池健康状态评估与筛选成组》文中指出动力电池在新能源电动汽车上长期使用过后,电池单体间存在不一致性。因此针对退役电池首先要做的便是估计其剩余的最大容量,以确定不同衰老单体的梯次利用场所。其次为保证工作容量与电压,单体总是以模组形式存在,因此针对退役电池需要一套筛选规则以选出合适的单体组成模组,从而降低不一致性。最后在模组焊接过程中需要调节适当的焊接参数,以保证模组的质量。本文针对上述系列问题,以磷酸铁锂和三元材料的圆柱形电池为对象,展开如下研究与工作,为两种不同材料的退役电池梯次利用提供技术与数据支持:（1）基于内阻曲线估计容量。采用混合脉冲方法获取电池的内阻-SOC曲线,发现总内阻变化趋势与极化内阻相同,故提出极化内阻的变化是导致总内阻变化的主要原因。且由于正极材料对锂离子扩散系数的影响,导致三元电池的内阻普遍比磷酸铁锂更小。提取二次曲线中的最小内阻、均值内阻等特征值作为模型输入,利用神经网络以及多元线性回归模型估计容量。针对同种类型电池,两模型预测精度较为接近,平均误差均未超过10%,针对混合后电池,多元线性回归模型最大误差达到22.34%,而神经网络模型最大误差为13.46%,平均误差4.95%,在未知电池材料的情况下仍能准确预测其容量。（2）基于低频幅值估计容量。确定EIS测量步骤,包括输入电流、激励幅值等。测试不同老化程度磷酸铁锂与三元电池的EIS,发现随着SOH的降低,相频特性左右浮动,关系不明显,而低频阻抗幅值则存在明显增大的趋势,且可看出为曲线类似二次指数函数。因此选取0.01Hz的阻抗幅值进行估计,拟合得到SOH评估函数验证了效果,结果显示两种材料的曲线拟合优度分别为0.96与0.99。估计容量与实测容量的均方根误差分别为1.78%与1.5%,说明该方法有效且测试所需时间短,具有工程应用价值。（3）利用所估计容量与内阻筛选电池,优化参数后焊接成组。观察串联模组的充放电压差曲线,发现单体间最大电压差出现在充电末期,且由于上截止电压对容量敏感不能降低,因此提出一种基于内阻的退役电池筛选规则,即以容量和满SOC时的内阻作为筛选指标,选择相近单体成组,与不使用该规则的模组相比,最大压差可减少96.3%,最大容量保持率可提高3.27%。随后设计正交试验获取最优焊接参数组合,利用极差分析得到最优组合为焊接电流13A,脉冲时间2ms与焊接压力3.5N。再用方差分析对参数显着性水平进行F检验,结果与极差分析一致,说明数据真实有效,由实验结果可知:对焊接质量影响最大的为焊接电流,接下来是脉冲时间,最小的是焊接压力。
温崇[10]（2021）在《基于注意力机制增强算法的锂离子电池SOC估计方法研究》文中指出近年来能源危机不断加剧,且传统燃油汽车排放的汽车尾气对空气造成了严重污染,因此电动汽车逐渐受到人们的欢迎。现阶段电动汽车一般使用锂离子电池提供动力,所以锂离子电池荷电状态（State of Charge,SOC）的精确估计不仅影响着驾驶人员对电动汽车当前电量和后续行驶里程的预判,而且也关系着电动汽车的安全驾驶。然而电池SOC无法直接通过测量获得,只能通过其它可测量的电池特征数据进行估计和预测。目前基于循环神经网络算法的锂离子电池SOC估计方法取得了较好的估计精度,但仍然存在着对电池数据学习不充分的问题,导致算法收敛速度慢,估计精度也有待进一步提高。针对上述问题,本文提出了一种基于注意力机制增强循环神经网络算法的锂离子电池SOC估计方法,能够进一步提高SOC估计结果的精度。本文所做的主要工作如下:首先对锂离子电池数据进行了收集与处理,搭建了锂离子电池数据测试系统,通过理论和实验研究对所需要的电池数据结构进行了设计,然后设计了动态应力测试工况、联邦城市运行工况和激烈驾驶工况三种标准工况下的电池测试实验以收集所需电池数据,将得到的电池数据进行了数据预处理,设计了电池数据库用来存储电池数据,为之后电池SOC估计实验的开展提供了数据基础。其次建立了基于注意力机制增强循环神经网络算法的锂离子电池SOC估计模型,使用自测电池数据对模型进行了训练和优化,确定了用于电池SOC估计的最优模型参数设置,使得模型对自测数据的SOC估计结果的平均绝对误差范围在[0.20%,0.42%]之间,对公开数据的SOC估计结果的平均绝对误差在[0.32%,0.76%]之间,证明模型在不同工况、不同温度下均能够精确跟踪电池的SOC状态。通过注意力增强前后模型估计结果的对比,验证了注意力机制对循环神经网络的增强效果,使模型SOC估计结果的平均绝对误差由0.61%下降到了0.40%,模型收敛速度更快。通过将模型对电池不同特征数据的注意力进行可视化,验证了模型的注意力能力。最后通过主控制器模块、采集模块以及模数转换模块等软硬件电路设计,搭建了锂离子电池SOC在线估计系统,在该系统上实现了所提出的基于注意力机制增强循环神经网络算法的锂离子电池SOC估计模型。然后使用该系统在三种工况下对锂离子电池进行了SOC在线估计的实验,结果证明该系统能够对电池SOC进行秒级的准确估计,验证了该方法的可行性。
二、对电池内阻测试仪内阻量程检测方法的探讨（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、对电池内阻测试仪内阻量程检测方法的探讨（论文提纲范文）
（1）高能量密度NCA正极锂离子电池老化过程产热特性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 锂电池的温度特性 |
| 1.2.2 锂电池热管理技术 |
| 1.2.3 锂电池的产热特性 |
| 1.2.4 老化对电池产热特性的影响 |
| 1.2.5 存在的问题 |
| 1.3 论文研究目标及主要工作内容 |
| 2 电池循环老化及产热功率测量实验设计 |
| 2.1 实验设备及电池基本性能测试方法 |
| 2.1.1 电池基本性能测试方法 |
| 2.1.2 实验设备 |
| 2.2 不同能量密度电池老化过程表面温升测量实验 |
| 2.2.1 实验目的 |
| 2.2.2 实验对象 |
| 2.2.3 实验方案 |
| 2.3 不同条件下的循环老化及产热功率测量实验 |
| 2.3.1 实验目的和总体思路 |
| 2.3.2 实验对象 |
| 2.3.3 实验方案 |
| 2.4 本章小结 |
| 3 电池老化过程及产热功率变化的试验研究 |
| 3.1 不同能量密度电池老化过程中表面温升变化对比 |
| 3.1.1 放电容量变化 |
| 3.1.2 放电过程中表面温升变化 |
| 3.1.3 阻抗特性变化 |
| 3.2 不同条件下循环电池容量衰退规律和阻抗特性变化 |
| 3.2.1 容量衰退规律 |
| 3.2.2 直流内阻变化 |
| 3.2.3 电化学阻抗谱变化 |
| 3.3 电池老化模式分析 |
| 3.3.1 基于DV/IC的老化分析方法 |
| 3.3.2 老化模式分析 |
| 3.4 电池产热功率变化 |
| 3.4.1 总产热量的变化 |
| 3.4.2 平均产热功率的变化 |
| 3.4.3 平均产热功率增速分析 |
| 3.5 本章小结 |
| 4 电池电化学-老化-热耦合仿真模型建立与验证 |
| 4.1 相关子模型建立 |
| 4.1.1 假设与简化 |
| 4.1.2 准二维电化学模型 |
| 4.1.3 老化模型 |
| 4.1.4 产热与传热模型 |
| 4.2 子模型的耦合 |
| 4.3 模型参数及模型验证 |
| 4.3.1 模型参数及求解 |
| 4.3.2 电化学-热耦合模型验证 |
| 4.3.3 电化学-老化-热耦合模型验证 |
| 4.4 本章小结 |
| 5 老化对电池产热特性影响机制的仿真研究 |
| 5.1 新电池产热特性分析 |
| 5.1.1 产热组成分析 |
| 5.1.2 环境温度和充放电倍率对新电池产热的影响 |
| 5.2 老化过程中产热组分变化分析 |
| 5.2.1 23℃_C1D1工况 |
| 5.2.2 40℃_C1D1工况 |
| 5.3 SEI膜物性参数对电池老化过程中产热变化的影响 |
| 5.3.1 研究方法及仿真设置 |
| 5.3.2 离子电导率的影响 |
| 5.3.3 摩尔体积的影响 |
| 5.4 老化模式对电池老化过程中产热变化的影响 |
| 5.4.1 研究方法及仿真设置 |
| 5.4.2 不同老化模式下的产热特性对比 |
| 5.4.3 老化模式与SEI膜物性参数耦合作用的影响 |
| 5.5 负极孔隙率对电池老化过程中产热变化的影响 |
| 5.5.1 研究方法及仿真设置 |
| 5.5.2 结果分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（2）电动汽车锂离子电池交替式均衡控制系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 均衡控制系统研究现状 |
| 1.2.1 均衡拓扑结构研究 |
| 1.2.2 均衡变量研究 |
| 1.3 研究内容 |
| 2 锂离子电池SOC估算 |
| 2.1 锂离子电池理论基础 |
| 2.1.1 锂离子电池工作原理 |
| 2.1.2 锂离子电池性能参数 |
| 2.1.3 电池Pack构成 |
| 2.2 SOC估算方法 |
| 2.2.1 开路电压法 |
| 2.2.2 安时积分法 |
| 2.2.3 神经网络法 |
| 2.2.4 卡尔曼滤波法 |
| 2.3 锂离子电池建模及有效性验证 |
| 2.3.1 锂离子电池模型建立 |
| 2.3.2 锂离子电池模型参数识别 |
| 2.3.3 锂离子电池模型有效性验证 |
| 2.4 基于EKF算法的SOC估算及仿真验证 |
| 2.4.1 电池空间状态建模 |
| 2.4.2 EKF算法原理 |
| 2.4.3 SOC估算及仿真 |
| 2.5 本章小结 |
| 3 锂离子电池均衡控制策略及其仿真 |
| 3.1 短路式均衡拓扑结构 |
| 3.2 充放电均衡控制策略 |
| 3.2.1 均衡判断阈值选择 |
| 3.2.2 充电均衡控制策略 |
| 3.2.3 放电均衡控制策略 |
| 3.3 交替式均衡控制系统仿真 |
| 3.3.1 充电均衡控制仿真 |
| 3.3.2 放电均衡控制仿真 |
| 3.4 本章小结 |
| 4 锂离子电池交替式均衡控制系统设计 |
| 4.1 硬件电路设计 |
| 4.1.1 交替式均衡控制系统电路设计 |
| 4.1.2 电压采集电路设计 |
| 4.1.3 交替式均衡控制系统供电电路设计 |
| 4.2 软件设计 |
| 4.2.1 电流采集程序设计 |
| 4.2.2 电压采集程序设计 |
| 4.2.3 SOC估算程序设计 |
| 4.2.4 主控制程序设计 |
| 4.3 本章小结 |
| 5 锂离子电池交替式均衡控制实验及结果分析 |
| 5.1 交替式均衡控制系统实验平台 |
| 5.2 电压采集实验 |
| 5.3 SOC估算实验 |
| 5.4 充电均衡控制实验 |
| 5.5 放电均衡控制实验 |
| 5.5.1 故障状态实验 |
| 5.5.2 正常工作状态实验 |
| 5.6 本章小结 |
| 6 结论 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所取得科研成果 |
（3）单液流锌镍电池阻抗谱测量及模型参数辨识（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 单液流锌镍电池研究现状 |
| 1.3 电池阻抗谱测量、建模及参数辨识研究现状 |
| 1.3.1 电池阻抗谱测量研究现状 |
| 1.3.2 电池阻抗建模及参数辨识研究现状 |
| 1.4 论文的主要内容及结构 |
| 第二章 单液流锌镍电池阻抗谱测量方案确定 |
| 2.1 单液流锌镍电池简介 |
| 2.1.1 单液流锌镍电池工作原理 |
| 2.1.2 单液流锌镍电池基本参数 |
| 2.2 单液流锌镍电池阻抗谱测量原理 |
| 2.3 阻抗数字化测量方法 |
| 2.3.1 数字相关法 |
| 2.3.2 全相位FFT法 |
| 2.4 单液流锌镍电池阻抗谱测量方案 |
| 2.5 本章小结 |
| 第三章 单液流锌镍电池阻抗谱测量平台软硬件设计 |
| 3.1 测量平台硬件设计 |
| 3.1.1 控制器 |
| 3.1.2 AD9833 信号发生器 |
| 3.1.3 恒电流仪 |
| 3.1.4 滤波放大电路 |
| 3.1.5 AD7606 数据采集模块 |
| 3.1.6 辅助电源 |
| 3.2 下位机STM32 软件设计 |
| 3.2.1 主程序 |
| 3.2.2 串口通信程序 |
| 3.2.3 AD9833 输出正弦波信号程序 |
| 3.2.4 定时器中断采样程序 |
| 3.2.5 全相位FFT数据处理程序 |
| 3.3 上位机MATLAB软件设计 |
| 3.4 本章小结 |
| 第四章 平台调试及单液流锌镍电池阻抗谱测量结果 |
| 4.1 单液流锌镍电池阻抗谱测量平台搭建 |
| 4.2 测量平台功能测试 |
| 4.2.1 滤波放大电路测试 |
| 4.2.2 恒电流仪电路测试 |
| 4.2.3 通信测试 |
| 4.3 阻抗谱测量结果 |
| 4.3.1 等效电路阻抗谱测试 |
| 4.3.2 单液流锌镍电池阻抗谱测试 |
| 4.3.3 单液流锌镍电池不同SOC状态的阻抗谱 |
| 4.4 本章小结 |
| 第五章 基于DRT-GrWOA辨识单液流锌镍电池阻抗模型参数 |
| 5.1 基于DRT法建立单液流锌镍电池阻抗模型 |
| 5.1.1 DRT法的数学思想 |
| 5.1.2 单液流锌镍电池阻抗等效电路模型 |
| 5.2 参数辨识模型建立 |
| 5.3 改进的鲸鱼优化算法GrWOA |
| 5.3.1 基本的鲸鱼优化算法 |
| 5.3.2 改进策略 |
| 5.3.3 GrWOA算法伪代码 |
| 5.3.4 GrWOA算法测试与分析 |
| 5.4 基于GrWOA算法辨识模型参数实验与分析 |
| 5.4.1 基于GrWOA算法辨识模型参数流程图 |
| 5.4.2 基于GrWOA算法辨识模型参数结果与分析 |
| 5.5 本章小节 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 6.3 创新点 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（4）基于分数阶模型的锂离子电池电极的电荷分布及传热特性研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 前言 |
| 1.1 课题研究背景及意义 |
| 1.1.1 锂离子电池概述 |
| 1.1.2 电池管理系统 |
| 1.2 国内外研究现状 |
| 1.2.1 锂离子电池SOC估算方法 |
| 1.2.2 锂离子电池老化程度估算 |
| 1.2.3 锂离子电池传热分析 |
| 1.2.4 分数阶微积分在电池建模中的应用 |
| 1.3 主要研究内容与论文结构 |
| 第二章 锂离子电池的电极动力学分析及模型建立 |
| 2.1 锂离子电池的结构及工作原理 |
| 2.2 锂离子电池的基础特性分析 |
| 2.3 锂离子电池的老化分析 |
| 2.4 分数阶微积分的基础理论 |
| 2.5 锂离子电池的电极动力学模型 |
| 2.6 本章小结 |
| 第三章 基于分数阶模型的电池SOC估算 |
| 3.1 分数阶模型的辨识方法 |
| 3.2 电池实验平台 |
| 3.3 分数阶模型的辨识结果 |
| 3.4 电池SOC估算 |
| 3.4.1 SOC的迭代估算 |
| 3.4.2 SOC迭代估算算法的收敛性证明 |
| 3.4.3 SOC迭代估算的验证 |
| 3.5 本章小结 |
| 第四章 基于分数阶模型的电池老化程度估算 |
| 4.1 锂离子电池的老化测试 |
| 4.2 电池老化模型的辨识 |
| 4.2.1 电池老化模型的辨识方法 |
| 4.2.2 电池老化模型的辨识结果 |
| 4.3 电极的老化程度的检测 |
| 4.3.1 检测方法 |
| 4.3.2 NASA数据集 |
| 4.3.3 动态应力测试 |
| 4.4 电极的电荷密度变迁过程分析 |
| 4.4.1 多孔电极上的电荷分布机理 |
| 4.4.2 电极的电荷密度的检测 |
| 4.4.3 电极上电荷密度的突变 |
| 4.5 本章小结 |
| 第五章 基于分数阶模型的电池传热特性研究 |
| 5.1 分数阶热传导的建模及求解 |
| 5.1.1 热传导模型 |
| 5.1.2 求解方法 |
| 5.2 电池的热传导模型及温度测试 |
| 5.2.1 锂离子电池的分数阶热传导模型 |
| 5.2.2 锂离子电池的热性能参数 |
| 5.2.3 锂离子温度特性测试 |
| 5.3 锂离子电池温度场的模拟 |
| 5.3.1 锂离子电池的温度仿真 |
| 5.3.2 锂离子电池瞬态温度场 |
| 5.4 锂离子电池热应力分析 |
| 5.4.1 锂离子电池热力学参数 |
| 5.4.2 锂离子电池热应力求解 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 工作展望 |
| 攻读学位期间发表的学术论文和参与的科研项目 |
| 参考文献 |
（5）单液流锌镍电池SOC估计及充电能效优化分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 单液流锌镍电池研究现状 |
| 1.3 电池建模、SOC估计与充电能量效率研究现状 |
| 1.3.1 电池建模研究现状 |
| 1.3.2 电池荷电状态(SOC)估计研究现状 |
| 1.3.3 电池充电能量效率研究现状 |
| 1.4 论文的主要内容及结构 |
| 第二章 单液流锌镍电池工作原理及模型参数辨识 |
| 2.1 单液流锌镍电池工作原理及基本参数 |
| 2.1.1 单液流锌镍电池工作原理 |
| 2.1.2 单液流锌镍电池的基本参数 |
| 2.1.3 单液流锌镍电池充放电测试平台 |
| 2.2 单液流锌镍电池2-RC等效电路模型 |
| 2.3 单液流锌镍电池开路电压曲线(OCV-SOC) |
| 2.4 基于改进郊狼优化算法的模型参数辨识 |
| 2.4.1 参数辨识模型建立 |
| 2.4.2 改进的郊狼优化算法(COABS) |
| 2.4.3 改进算法COABS的测试与分析 |
| 2.5 基于COABS算法的参数辨识实验与分析 |
| 2.5.1 SOC于20%-100%的模型参数辨识 |
| 2.5.2 SOC于0%-20%的模型参数辨识 |
| 2.5.3 单液流锌镍电池模型参数与SOC的关系曲线 |
| 2.6 本章小节 |
| 第三章 基于COABS-ASRCKF的单液流锌镍电池SOC估计 |
| 3.1 卡尔曼滤波 |
| 3.2 自适应平方根容积卡尔曼滤波 |
| 3.2.1 容积卡尔曼滤波(CKF) |
| 3.2.2 自适应平方根容积卡尔曼滤波(ASRCKF) |
| 3.3 基于COABS-ASRCKF算法的SOC估计 |
| 3.3.1 基于ASRCKF算法的SOC估计 |
| 3.3.2 ASRCKF与 CKF估计SOC实验对比分析 |
| 3.3.3 基于COABS优化Q、P_0、R(0)的ASRCKF |
| 3.4 其它工况下电池SOC估计的实验与分析 |
| 3.4.1 不同电流值脉冲放电工况的实验仿真分析 |
| 3.4.2 不同电流值连续放电工况的实验仿真分析 |
| 3.4.3 恒定电流值连续放电工况的实验仿真分析 |
| 3.5 本章小节 |
| 第四章 基于COABS的单液流锌镍电池充电能效优化分析 |
| 4.1 单液流锌镍电池充电能量损失及影响因素分析 |
| 4.1.1 单液流锌镍电池的系统能效及充电能效 |
| 4.1.2 单液流锌镍电池充电能量损失及影响因素分析 |
| 4.2 单液流锌镍电池充电能效优化模型 |
| 4.2.1 充电电流与充电能效的关系 |
| 4.2.2 单液流锌镍电池充电能效仿真优化模型 |
| 4.3 基于COABS的单液流锌镍电池充电能效仿真优化分析 |
| 4.3.1 传统恒流充电方式充电仿真结果 |
| 4.3.2 COABS优化的分阶段恒流充电仿真结果 |
| 4.4 本章小结 |
| 第五章 单液流锌镍电池ASRCKF在线SOC估计平台 |
| 5.1 SOC估计平台系统结构方案 |
| 5.2 SOC估计平台硬件设计 |
| 5.2.1 主控制器STM32F107 硬件设计 |
| 5.2.2 ADC7606 数据采集 |
| 5.2.3 BUCK电路设计(充电电路) |
| 5.2.4 电子负载电路设计(放电电路) |
| 5.2.5 电解液流速及电池的端电压采集 |
| 5.3 SOC估计平台软件设计 |
| 5.3.1 下位机STM32 软件设计 |
| 5.3.2 上位机MATLAB软件设计 |
| 5.4 单液流锌镍电池SOC估计平台调试及运行结果 |
| 5.4.1 充电电流控制调试 |
| 5.4.2 放电电流控制调试 |
| 5.4.3 ASRCKF估计SOC平台运行结果 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 6.3 主要创新点 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（6）3-氟苯甲醚提升锂离子电池电解液过充安全性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 锂离子电池简介 |
| 1.2.1 锂离子电池发展历史 |
| 1.2.2 锂离子电池工作原理 |
| 1.2.3 锂离子电池的特点 |
| 1.3 锂离子电池组成 |
| 1.3.1 正极材料 |
| 1.3.2 负极材料 |
| 1.3.3 电解质 |
| 1.4 锂离子电池防过充电解液添加剂的研究现状 |
| 1.5 本文研究内容与章节安排 |
| 第2章 实验材料与研究方法 |
| 2.1 实验材料 |
| 2.2 实验仪器 |
| 2.2.1 电池充放电循环仪 |
| 2.2.2 手套箱 |
| 2.2.3 电导率测试仪 |
| 2.2.4 C80微量量热仪 |
| 2.2.5 MMC 274扣式电池量热仪 |
| 2.2.6 电化学工作站 |
| 2.2.7 其他仪器 |
| 2.3 电解液配制与电池组装 |
| 2.3.1 电解液的配制 |
| 2.3.2 电极制备与电池组装 |
| 2.4 表征分析与电化学测试 |
| 2.4.1 扫描电子显微镜(Scanning electron microscope,SEM) |
| 2.4.2 线性扫描伏安测试 |
| 2.4.3 交流阻抗测试 |
| 2.5 本章小结 |
| 第3章 3FA作为电解液过充保护添加剂性能的研究 |
| 3.1 引言 |
| 3.2 3FA防过充效果研究 |
| 3.2.1 LSV扫描测试 |
| 3.2.2 常温过充安全测试 |
| 3.3 3FA对电池电化学性能的影响 |
| 3.3.1 电解液电导率测试 |
| 3.3.2 电池常温循环性能测试 |
| 3.4 本章小结 |
| 第4章 3FA作为电解液过充保护添加剂的作用机制 |
| 4.1 引言 |
| 4.2 3FA对电池电化学阻抗的影响机制 |
| 4.2.1 实验部分 |
| 4.2.2 结果与讨论 |
| 4.3 3FA对正极和隔膜形貌结构的影响分析 |
| 4.3.1 实验部分 |
| 4.3.2 结果与讨论 |
| 4.4 本章小结 |
| 第5章 3FA作为电解液添加剂对电池热安全性的影响 |
| 5.1 引言 |
| 5.2 电解液和电极材料热稳定性分析 |
| 5.2.1 实验部分 |
| 5.2.2 结果与讨论 |
| 5.3 电池过充过程的原位放热分析 |
| 5.3.1 实验部分 |
| 5.3.2 结果与讨论 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要研究结论 |
| 6.2 本文创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（7）基于IC曲线的退役电池容量估计和一致性筛选（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 课题研究意义 |
| 1.2 退役电池的梯次利用及特点 |
| 1.2.1 退役电池的梯次利用 |
| 1.2.2 退役电池的特点 |
| 1.3 退役动力电池国内外研究现状 |
| 1.3.1 电池容量测试究现状 |
| 1.3.2 电池一致性筛选研究现状 |
| 1.4 论文组织结构 |
| 2 锂离子电池及其容量增量曲线 |
| 2.1 锂离子电池简介 |
| 2.1.1 锂离子电池及工作原理 |
| 2.1.2 退役动力电池基本参数 |
| 2.2 容量增量曲线原理 |
| 2.2.1 容量增量曲线 |
| 2.2.2 曲线制作 |
| 2.3 容量增量曲线特性实验 |
| 2.3.1 充电倍率对容量增量曲线的影响 |
| 2.3.2 老化对容量增量曲线的影响 |
| 2.4 本章小结 |
| 3 基于容量增量曲线的退役锂离子电池容量和内阻估算 |
| 3.1 锂离子电池参数测试 |
| 3.1.1 退役电池参数及安全检查 |
| 3.1.2 电池剩余容量试验 |
| 3.1.3 直流内阻测试 |
| 3.2 基于AGA-BPNN的电池容量估算 |
| 3.2.1 容量增量曲线测试实验 |
| 3.2.2 特征参数提取 |
| 3.2.3 BP神经网络 |
| 3.2.4 自适应遗传算法优化 |
| 3.2.5 基于AGA-BPNN的电池剩余容量估计 |
| 3.2.6 退役电池老化机理识别 |
| 3.3 电池内阻估计 |
| 3.4 本章小结 |
| 4 基于容量增量曲线的电池一致性筛选 |
| 4.1 电池不一致的影响和原因 |
| 4.1.1 电池不一致的影响 |
| 4.1.2 造成不一致原因 |
| 4.2 基于容量增量的电池筛选 |
| 4.2.1 筛选方法总结 |
| 4.2.2 基于容量增量曲线的电池一致性筛选 |
| 4.3 基于k-means++和罗曼诺夫准则的电池聚类方法 |
| 4.3.1 一种容量增量曲线快速测量方法 |
| 4.3.2 基于k-means++和罗曼诺夫准则的电池聚类方法 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 文章的创新点 |
| 5.3 文章的展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）改进型分数阶AEKF算法SOC估计及硬件在环设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电池模型研究现状 |
| 1.2.2 SOC估计研究现状 |
| 1.3 本文主要研究内容 |
| 第二章 锂离子电池SOC估计理论 |
| 2.1 锂离子电池结构及工作原理 |
| 2.2 锂离子电池性能参数 |
| 2.2.1 电池容量 |
| 2.2.2 电压 |
| 2.2.3 内阻 |
| 2.2.4 放电倍率 |
| 2.2.5 循环寿命 |
| 2.2.6 库伦效率 |
| 2.3 电池实验 |
| 2.4 电池SOC估计的影响因素 |
| 2.4.1 SOC估计基本概念 |
| 2.4.2 SOC估计影响因素 |
| 2.5 锂离子电池SOC估计模型 |
| 2.5.1 电化学模型 |
| 2.5.2 等效电路模型 |
| 2.6 SOC估计算法 |
| 2.7 分数阶理论介绍 |
| 2.8 本章小结 |
| 第三章 电池等效模型建立 |
| 3.1 锂离子电池测试平台 |
| 3.2 电池特性实验 |
| 3.2.1 标准充放电规程 |
| 3.2.2 电池静态容量测试 |
| 3.2.3 电池内阻特性 |
| 3.2.4 电池SOC-OCV实验 |
| 3.3 电池电化学阻抗谱分析及模型建立 |
| 3.3.1 电化学阻抗谱测试 |
| 3.3.2 等效电路数学模型 |
| 3.4 电池模型参数辨识 |
| 3.4.1 电池模型参数辨识方法 |
| 3.4.2 R0 辨识 |
| 3.4.3 改进遗传算法参数辨识 |
| 3.5 电池模型精度验证 |
| 3.6 本章小结 |
| 第四章 带温度修正的锂离子电池SOC估计算法 |
| 4.1 分数阶扩展卡尔曼滤波SOC估算 |
| 4.2 温度修正自适应分数阶扩展卡尔曼滤波SOC估算 |
| 4.3 SOC估计比较 |
| 4.4 不同温度下的测试精度比较 |
| 4.5 本章小结 |
| 第五章 锂离子电池SOC估计硬件在环设计 |
| 5.1 电池硬件在环设计方法 |
| 5.2 软件开发环境 |
| 5.3 硬件电路设计 |
| 5.3.1 供电电路 |
| 5.3.2 主控模块 |
| 5.3.3 电池电压采集模块 |
| 5.3.4 总电流采集电路 |
| 5.3.5 温度采集模块 |
| 5.3.6 通讯模块 |
| 5.4 基于LABVIEW上位机设计 |
| 5.5 硬件在环系统测试及结果 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得研究成果 |
（9）基于内阻的退役电池健康状态评估与筛选成组（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基于内阻的健康状态评估方法研究现状 |
| 1.3.2 基于电化学阻抗谱的健康状态评估方法研究现状 |
| 1.3.3 退役锂电池筛选成组研究现状 |
| 1.3.4 锂电池组焊接技术研究现状 |
| 1.3.5 存在的主要问题 |
| 1.4 主要研究内容与技术路线 |
| 2 基于内阻曲线特征评估电池SOH |
| 2.1 电池测试与建模方法 |
| 2.1.1 内阻健康因子 |
| 2.1.2 锂电池性能测试方法 |
| 2.1.3 内阻-SOC曲线特征值获取途径 |
| 2.1.4 多元线性回归(MLR)原理 |
| 2.1.5 神经网络相关理论 |
| 2.2 实验验证与模型分析 |
| 2.2.1 实验设备 |
| 2.2.2 多元线性回归健康寿命模型 |
| 2.2.3 神经网络健康寿命模型 |
| 2.2.4 实验验证 |
| 2.3 本章小结 |
| 3 基于电化学阻抗谱估计电池SOH |
| 3.1 电化学阻抗谱理论 |
| 3.1.1 阻纳概论 |
| 3.1.2 电化学阻抗谱 |
| 3.2 电化学阻抗谱数据测量过程 |
| 3.2.1 测试对象与测试仪器 |
| 3.2.2 EIS测试方法与步骤 |
| 3.3 基于EIS的单体SOH评估方法 |
| 3.3.1 阻抗谱特征分析 |
| 3.3.2 估计方法特点分析 |
| 3.4 本章小结 |
| 4 电池单体的一致性筛选与焊接成组 |
| 4.1 电池的一致性筛选概述 |
| 4.1.1 电池一致性影响因素 |
| 4.1.2 电池一致性评价方法 |
| 4.2 基于内阻的单体一致性筛选规则 |
| 4.2.1 恒流充电阶段电压差值分析 |
| 4.2.2 验证基于内阻的筛选规则 |
| 4.3 基于正交试验的焊接参数优化选择 |
| 4.3.1 焊接方式确定 |
| 4.3.2 影响焊接质量的因素分析 |
| 4.3.3 焊接设备与镍片介绍 |
| 4.3.4 动力电池组点焊参数试验研究 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（10）基于注意力机制增强算法的锂离子电池SOC估计方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 锂离子电池基本特性 |
| 1.3 电池SOC估计方法研究现状 |
| 1.3.1 传统估计方法 |
| 1.3.2 机理模型方法 |
| 1.3.3 数据驱动方法 |
| 1.4 本文研究思路 |
| 1.4.1 研究目标 |
| 1.4.2 研究路线 |
| 1.4.3 研究内容 |
| 1.5 本章小结 |
| 第二章 锂离子电池数据收集与处理 |
| 2.1 电池数据测试系统搭建 |
| 2.1.1 测试设备 |
| 2.1.2 测试对象 |
| 2.2 电池数据结构设计 |
| 2.3 电池数据采集实验 |
| 2.4 电池数据预处理 |
| 2.5 电池数据库设计 |
| 2.6 本章小结 |
| 第三章 基于注意力机制增强算法的锂离子电池SOC估计方法 |
| 3.1 基于注意力机制增强循环神经网络的SOC估计实验 |
| 3.1.1 算法与模型设计 |
| 3.1.2 模型参数优化实验 |
| 3.1.3 基于自测数据的电池SOC估计实验 |
| 3.1.4 基于公开数据的电池SOC估计实验 |
| 3.2 注意力机制增强前后对比实验及分析 |
| 3.3 注意力可视化实验及分析 |
| 3.4 本章小结 |
| 第四章 基于注意力机制增强算法的锂离子电池SOC在线估计 |
| 4.1 系统总体设计方案 |
| 4.2 系统硬件设计方案 |
| 4.2.1 主控制器模块 |
| 4.2.2 电压采集模块 |
| 4.2.3 电流采集模块 |
| 4.2.4 温度采集模块 |
| 4.2.5 模数转换模块 |
| 4.3 系统软件设计方案 |
| 4.4 系统在线估计实验 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间取得的成果 |
四、对电池内阻测试仪内阻量程检测方法的探讨（论文参考文献）
- [1]高能量密度NCA正极锂离子电池老化过程产热特性研究[D]. 陈芬放. 浙江大学, 2021(02)
- [2]电动汽车锂离子电池交替式均衡控制系统研究[D]. 夏占. 西安科技大学, 2021(02)
- [3]单液流锌镍电池阻抗谱测量及模型参数辨识[D]. 苏有平. 广西大学, 2021(12)
- [4]基于分数阶模型的锂离子电池电极的电荷分布及传热特性研究[D]. 陆新. 南京林业大学, 2021(02)
- [5]单液流锌镍电池SOC估计及充电能效优化分析[D]. 莫伟县. 广西大学, 2021(12)
- [6]3-氟苯甲醚提升锂离子电池电解液过充安全性研究[D]. 王昭宇. 中国科学技术大学, 2021
- [7]基于IC曲线的退役电池容量估计和一致性筛选[D]. 李洪雷. 大连理工大学, 2021(01)
- [8]改进型分数阶AEKF算法SOC估计及硬件在环设计[D]. 伍柏霖. 重庆交通大学, 2021(02)
- [9]基于内阻的退役电池健康状态评估与筛选成组[D]. 程郅皓. 大连理工大学, 2021(01)
- [10]基于注意力机制增强算法的锂离子电池SOC估计方法研究[D]. 温崇. 电子科技大学, 2021(01)
标签：电池论文; SOC论文; 电池内阻论文; 新能源汽车论文; bms电池管理系统论文;