免费看男阳茎进女阳道视频

                        24小時論文定制熱線

                        咨詢電話

                        熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
                        您當前的位置:論文定制 > 畢業設計論文 >
                        快速導航
                        畢業論文定制
                        關于我們
                        我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
                        代做畢業設計
                        常見問題

                        電動汽車電池管理系統開發設計

                        添加時間:2019/12/25 來源:天津理工大學 作者:朱芳欣
                        對比分析了 Ah 法、卡爾曼濾波法和善于處理非線性系統的 BP 神經網絡等等算法的優劣勢,最終選擇參數調整容易、有記憶功能,兼顧了 BP 算法的優點又能彌補其不足的 PSO-BP 網絡算法估算電池 SOC。
                        以下為本篇論文正文:

                        摘要

                          隨著全球汽車保有量的不斷增多,環境污染和資源緊缺問題日漸突出。傳統汽車對石油資源的依賴度也逐年遞增。新能源汽車的興起和發展表明人們已經開始認識到開發與利用清潔能源的重要性。國家和政府也出臺了一系列政策,來推動節能與新能源汽車產業發展,提出繼續支持電動汽車、燃料電池汽車發展,推動自主品牌節能與新能源汽車同國際先進水平接軌。

                          作為制約電動汽車發展的關鍵因素和電動汽車整車運行的動力來源,電池的性能好壞直接關系到整車續航里程的長短、使用壽命及安全性。一套合理的電池管理系統(Battery Management System, BMS)能夠對鋰離子電池狀態進行監測、對整車安全性進行評估、完成人機接口通信,確保電動車運行過程中能量利用的合理、安全與高效。因此建立一套合理、可靠的分布式 BMS 尤為重要,選擇合適算法對鋰離子電池荷電狀態SOC(State Of Charge, SOC)進行估算也非常值得研究。

                          對于 SOC 估算方面的研究,通過分析傳統估算方法的優缺點,衡量各種估算方法的可行性和精確性,最終選擇粒子群 PSO(Particle Swarm Optimization, PSO)優化BP(Back Propagation, BP)神經網絡算法進行鋰離子電池 SOC 估算。通過設計工況實驗,在 MATLAB 中對兩種算法進行了 SOC 估算的仿真驗證,結果表明 PSO-BP 算法較 BP神經網絡算法相比有更好的收斂性和精確性。最后利用 C 代碼移植技術,成功獲得了能在 DSP 中穩定運行的該算法代碼。

                          除此之外,本課題還完成了分布式 BMS 主控板的設計,以 TMS320F28335 為控制核心,集成了 IO 隔離輸出電路、AD 采集電路、SPI 通訊電路、CAN 通訊電路等等。

                          實現了主控板、采集板與上位機之間的聯調,設計了一套合理的分布式 BMS。

                          關鍵詞:電動汽車 電池管理系統 荷電狀態(SOC) 粒子群優化BP神經網絡(PSO-BP)

                        Abstract

                          With the increasing ownership of global cars , environmental pollution and shortage of resources are becoming increasingly prominent. The dependence of traditional automobile on oil resources is increasing year by year. The rise and development of new energy vehicles reveals that people from starting realize to develop and use the importance of clean energy.The state and the government also introduced a series of policies to promote energy-saving and new energy automotive industry development, puting forward to support the development of electric vehicles, fuel cell vehicles, promoting self-owned brand of energy-saving and new energy vehicles to achieve international standards.

                          As a key factor to restrict the development of electric vehicles and the power source of the motor vehicle, the battery performance is directly related to the length of the vehicle mileage, service life and safety. A reasonable set of battery management system (Battery Management System, BMS) can monitor the status of lithium-ion battery, evaluate the whole vehicle’s safety, complete man-machine interface communication and ensure reasonable, safe and efficient of energy using when electric vehicles in the operation process.

                          So it is very important to establish a set of reasonable and reliable distributed battery management system, and it is worth to estimate the Charge of State (SOC) of the lithium-ion battery by using a suitable algorithm.

                          For the research of the SOC estimation, this paper finally chooses particle swarm PSO (Particle Swarm Optimization) (Back Propagation) to optimize the BP neural network algorithm to estimate the SOC lithium ion battery through the analysis of advantages and disadvantages of the traditional estimation method and measure the feasibility and accuracy of various estimation methods. By designing working conditions, which conducting emulation proof of SOC by using two algorithms in MATLAB. The results show that the PSO-BP algorithm is more reliable and accurate than the BP algorithm. At the end of the paper, it succeed to obtain the algorithm code that can stable operate in DSP by using C code transplant technology.

                          In addition, this thesis also completed the design of the distributed BMS master control board with TMS320F28335 as the control core, integrated IO isolated output circuit, AD acquisition circuit, SPI communication circuit, CAN communication circuit and so on, which realized the combination of the main control board, the acquisition board and the upper computer, as well as designed a set of reasonable distributed BMS.

                          Key words:Electric Vehicles, Battery Management System, State Of Charge(SOC), Particle Swarm Optimization BP Neural Network(PSO-BP)

                          隨著全球汽車保有量的不斷增加,資源告急的問題也隨之而來,能源危機和環境污染已成為了一個全球性問題。伴隨著石油資源的消耗,環境污染也與日劇增,尤其是大氣污染。近年來全球汽車年增長率超過 25%,其燃油需求占石油資源總需求的 60%,各類燃油需求的占比情況如圖 1-1 所示。我國作為石油需求大國,2016 年國內原油進口量超過 2.89 億噸,對外依存度為 59.9%,石油資源日漸枯竭是促使新能源汽車發展的一項重要原因。減少在交通領域的能源消耗及污染排放,促進交通資源轉型勢在必行。

                          新能源汽車具備低污染、零排放等優勢,對新能源汽車的研究以及鼓勵發展新能源汽車,可以有效的解決能源危機,同時也能促進相關的材料工業、機械制造業、電子通信業的發展。當今時代是新能源汽車快速發展的時代,特別是 2015 年 9 月 29 日,國家制造強國建設戰略咨詢委員會正式發布《中國制造 2025 重點領域技術路線圖》,其中對新能源汽車進行了如下規劃[1,2]:強力推動我國自主品牌新能源汽車同國際先進水平接軌,并進一步加快電動汽車、燃料電池汽車的進步速率。新能源汽車時代即將來臨,因此與之相關的技術研發也成為了汽車行業的熱點。

                          在汽車領域中,新能源汽車核心技術的探索早已受到各界人士的高度關注。電池作為電動汽車的動力源,是制約電動汽車發展的技術之一。鋰離子電池相比于鎳鎘、鎳氫、鉛酸等電池有高壽命、無污染、循環使用次數高、能量密度高等諸多優點[3],因此成為電動汽車儲能元件的首選。建立一套合理性、安全性俱佳的 BMS 是電動汽車研究的重要方向。本課題主要完成了對電動汽車 BMS 核心技術的分析研究工作。該研究是為了對電動汽車中的鋰離子電池進行科學管理,滿足電動汽車對其高效、穩定的使用需求。通過對解決核心技術問題的各項算法進行分析、對比,選擇并嘗試了一種新的算法,最終設計出了一套合理的分布式 BMS,融合采集、通訊、SOC 估算等功能為一體,提高了汽車行駛過程的穩定性和安全性。

                          在電動汽車不斷發展的今天,對動力電池的研究已經成為人們關注的重點,為保證電池性能的合理性,解決成本高、易損耗等問題,研究人員付出了大量努力,通過技術層面的改革與提升,目前已研制出新一代鋰離子電池,在許多方面都取得了重大進展,在許多技術上也取得了重要突破。當前主流動力電池為鉛酸電池(VRLA)、鎳鎘電池(Ni-Cd)、鎳氫電池(Ni-MH)和鋰離子(Li-ion)電池。鉛酸電池是由法國人 Plante 于 1859 年發明的,距今已有 150 多年,是汽車領域應用最為廣泛的動力電池[4]。但是其自身較低的能量比質量和能量比體積,致使其過于笨重,而且充電時間較長,所以只使用在各類運輸車、采集車和電動自行車上。鎳氫電池相比與鎳鎘電池優點在于質量更輕、容量更大、壽命更長且不污染環境。缺點是原材料金屬鎳較為昂貴,因此其價格比鎳鎘電池更高。鋰離子電池的性能較鎳鎘、鎳氫電池又提高很多,是現今市場上最普及的動力電池。

                          由于市場對動力電池需求的猛增、政府對推進新能源汽車政策的宏觀調控效果凸顯、電動汽車原材料價格的飛漲、以及骨干企業加快擴展步伐,國際市場中許多電池生產企業均已將動力電池作為發展項目,經大量資本的投入,技術成果非常顯著[5]。如美國A123企業研制的鋰離子動力電池,容量2.3Ah,循環使用壽命超過 1000 次,持續放電電流70A ,使用過程中非常穩定。美國Valence企業開發的 U -charge磷酸鐵鋰電池,與鉛酸電池相比,重量降低了 36%,使用時長遠遠超過其 2 倍,在能量密度、穩定性等方面優勢明顯。在近些年舉辦的車展活動中,眾多汽車制造商生產的新能源汽車也都選用鋰離子電池為其提供動能。

                          近年來,國內研發推出的動力蓄電池經過檢測,在動力密度、能量儲蓄水平、安全系數等方面已經全部達到國際先進水平。常溫環境中,將鎳氫動力電池放置 4 周,其儲蓄電量依然超過 95%,與過去相比有了顯著提升。而全新一代鋰離子動力電池功率密度可達2000W/kg ,各項技術性能也排在全球前列[6]。隨著全球范圍內能源危機日趨嚴重,許多國家和企業均在車用動力電池的研究方面加大了資金投入,在動力電池市場潛力方面加強了重視力度,可以相信短時間內電池能量密度必將得到大幅度提升,有效壽命也會不斷延長,因而對一套完備的 BMS 的需求也將日益增長。

                          電動汽車在行駛過程中,需要將其各項項性能參數,包括電池包電壓、電流、工作溫度、剩余電量、可續航里程、安全系數等等反映給駕駛人員。這就需要建立一套合理、安全、高效、精密的 BMS 實現這些功能[7],并對電池的使用狀況進行實時的監控。根據對采集到的各個參數值進行分析處理,BMS 對電池包的充放電、安全管理等模塊進行相應控制?梢杂行П苊膺^充、過放等情況出現,為電池創造更加理想的運行條件。一套合理的 BMS 是電動汽車的核心,是電動汽車各個部件的中控中心。對保證駕駛安全性、降低原材料成本、延長電池使用壽命都有至關重要的意義。

                          國外在電池研究領域起步較早,許多企業的電動汽車發展已經進入了新技術階段,日本的混合動力汽車首屈一指,美國早在 90 年代各大汽車公司就推出電池聯合體計劃,歐盟與其各國也投入大量資金進行電動汽車電池研究。許多企業對 BMS 的研究已取得了一些成果,如今全球銷售比較顯著的是:三菱歐藍德 PHEV、特斯拉 MODEL S、BMi系列等。美國特斯拉(Tesla)汽車公司推出的電動汽車代表車型 MODEL S,它搭載了世界頂尖的 BMS,其功能包括電池狀態檢測、平衡管理、殘電量管理、健康狀態預估、熱管理和診斷與預警。

                          德國寶馬、奔馳等汽車公司推出新能源汽車,如 BMi3 和 Smart 系列。BMi 系列搭載的 BMS 也達到了世界領先水平,汽車通過一組鋰離子電池為其供電,滿充狀態下,續航里程可以達到 259km,最高時速為 160km/h,同時也可采用快充方式,只需 1h 便能夠由空電狀態將電量提升至 80%。該系統由主控單元和電池監控傳感器單元構成,可以為電池組提供穩定的充電電壓,有效的提高了其性能[8]。騰勢公司近年來的銷售情況也炙手可熱,新款電機升級為 135kW ,起步更迅速,動力更強勁。對電池技術的研制與開發也逐漸向世界前沿靠近,電池參數升級為62.2 kW· h,續航里程增加為400km[18]。

                          我國對 BMS 的研究起步比較晚,但起點較高。尤其是近五年來得到國家發展戰略委員會的高度重視,國家大力扶持新能源產業發展更加促使了我國電動汽車行業繁榮,同時也促進了各大廠商對 BMS 的開發與研究。比較具有代表性的是 2008 年北京奧運會專用電動巴士搭載的 BMS,它是由惠州市億能電子公司與北京交通大學共同研發生產的,采用分布式系統構架,一個系統中包含一個主控單元和多個檢測單元,主要應用于純電動汽車領域。

                          比亞迪公司和北汽集團自主研發的純電動、混動汽車在國內的銷量也急速上升。比亞迪秦搭載的 BMS 其電池類型是磷酸鐵鋰電池?傠妷簽 500V,單體電壓 3.2V。其插電式混合動力系統能夠通過外界電源為電池組提供電量。在車輛行駛過程中,90%的動能依靠純電動模式,僅 10%的狀態需要利用燃油方式,如此一來,可以明顯減少汽車對燃油的需求。結合當前現狀分析可知,國內外政府與各大公司在鋰離子電池與BMS研究方面給予了高度重視,不僅開展了大量研究項目,而且也在全面推廣公司旗下的先進產品。隨著電動汽車市場潛力不斷被挖掘,對鋰離子電池 BMS的研究必將有更為廣闊的發展空間。

                        電動汽車電池管理系統開發設計:

                        BMS 硬件結構框圖
                        BMS 硬件結構框圖

                        JTAG 接口電路
                        JTAG 接口電路

                        總電壓檢測電路
                        總電壓檢測電路

                        總電流檢測電路
                        總電流檢測電路

                        四路采集電路
                        四路采集電路

                        采集板核心芯片——LTC6802
                        采集板核心芯片——LTC6802

                        SOC 估算流程圖
                        SOC 估算流程圖

                        分布式 BMS 主控板
                        分布式 BMS 主控板

                        采集板
                        采集板

                        力神鋰離子電池
                        力神鋰離子電池

                        目 錄

                          第一章 引言
                            1.1 課題研究目的及意義
                            1.2 國內外研究現狀
                            1.3 課題研究內容及特色之處
                              1.3.1 課題研究內容
                              1.3.2 課題創新之處
                          第二章 鋰離子電池管理系統分析
                            2.1 鋰離子電池工作原理
                            2.2 鋰離子電池特性
                              2.2.1 鋰離子電池參數
                              2.2.2 鋰離子電池性能
                            2.3 鋰離子電池管理系統結構分析
                            2.4 鋰離子電池管理系統功能分析
                              2.4.1 采集功能
                              2.4.2 SOC 估算功能
                              2.4.3 保護功能
                              2.4.4 通信功能
                              2.4.5 均衡功能
                            2.5 本章小結
                          第三章 分布式電池管理系統荷電狀態估算策略研究
                            3.1 分布式電池管理系統 SOC 定義及估算方法
                              3.1.1 SOC 定義
                              3.1.2 安時計量法
                              3.1.3 開路電壓法
                              3.1.4 負載電壓法
                              3.1.5 卡爾曼濾波法
                              3.1.6 神經網絡法
                              3.1.7 粒子群優化神經網絡法
                            3.2 基于 PSO-BP 神經網絡算法的 SOC 估算
                              3.2.1 BP 神經網絡算法工作原理
                              3.2.2 PSO 算法工作原理
                              3.2.3 PSO-BP 算法工作原理
                            3.3 基于 PSO-BP 神經網絡算法的 SOC 估算仿真分析
                              3.3.1 設計工況實驗及樣本采集
                              3.3.2 建立網絡模型
                              3.3.3 仿真測試
                              3.3.4 仿真結果分析
                            3.4 本章小結
                          第四章 分布式電池管理系統軟硬件設計
                            4.1 分布式電池管理系統總體設計方案
                            4.2 分布式電池管理系統硬件設計
                              4.2.1 主控制板電路設計
                              4.2.2 采集板電路設計
                            4.3 分布式電池管理系統軟件設計
                              4.3.1 分布式電池管理系統主程序
                              4.3.2 系統初始化子程序
                              4.3.3 電池總電壓/總電流采集子程序
                              4.3.4 電池包單體電池電壓采集子程序
                              4.3.5 SOC 估算子程序
                            4.4 本章小結
                          第五章 分布式電池管理系統軟硬件調試
                            5.1 采集板的數據采集與傳輸測試
                            5.2 SOC 估算子程序運行調試
                            5.3 本章小結
                          第六章 總結與展望
                            6.1 工作總結
                            6.2 后期展望
                          參考文獻
                          發表論文和科研情況說明
                          致 謝

                        (如您需要查看本篇畢業設計全文,請您聯系客服索。

                        相關內容
                        好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
                        所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
                        如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
                        免费看男阳茎进女阳道视频