一种估计电动车辆的动力系统的参数和状态的方法
【专利摘要】本发明涉及系统辨识和状态估计领域。为获得电动车辆的动力系统稳定可靠的状态估计值，并降低估计计算成本，本发明提出一种估计电动车辆的动力系统的参数和状态的方法，建立动力系统的多时间尺度模型，对电动车辆的动力系统中基于宏观时间尺度的参数观测器AEKFθ和基于微观时间尺度的状态观测器AEKFx进行初始化设置，参数观测器AEKFθ进行时间更新，更新时间长度为一个宏观时间尺度，得到参数θ在t1,0时刻的先验估计值状态观测器AEKFx进行时间更新和测量更新并循环L次，使状态观测器AEKFx的时间更新到t0,L时刻；参数观测器AEKFθ进行测量更新，并循环上述操作直至估计完成。采用该方法对电动车辆的动力系统的参数和状态进行估计，精度高，计算时间短，降低了计算成本。
【专利说明】一种估计电动车辆的动力系统的参数和状态的方法
【技术领域】
[0001]本发明涉及系统辨识和状态估计领域，尤其涉及对电动车辆中由驱动电机和动力电池构成的动力系统的参数和状态进行估计的方法以及电动车辆的动力电池管理系统。
【背景技术】
[0002]状态空间方法处理非线性控制系统的常用方法。在使用状态空间方法对非线性控制系统进行处理时，状态空间方法利用状态方程描述非线性控制系统的动态特性，利用观测方程描述观测量与非线性控制系统的状态之间的关系，并利用含有噪声的观测信息实时估计非线性控制系统隐含的状态。但是，由于状态方程和观测方程中含有不确定性参数，且该不确定性参数会对非线性控制系统的隐含的状态的估计精度产生影响，导致非线性控制系统的隐含的状态的估计精度低。
[0003]为解决该问题，提高非线性控制系统的隐含的状态的估计精度，本领域的技术人员常通过试验的方法辨识获得状态方程和观测方程中的不确定性参数，并基于确定的状态方程开展对非线性控制系统的隐含的状态的估计研究。
[0004]例如，在动力电池控制领域，本领域的技术人员在对动力电池的隐含状态进行估计时，常常先通过试验得到动力电池的参数，并根据动力电池的参数建立动力电池的模型，继而基于建立的动力电池的模型开展对动力电池的状态估计和电动汽车能量管理的优化工作。由于动力电池的参数受该动力电池内部因素和外部因素的变化的影响，比如动力电池老化、使用环境的变化，导致动力电池的参数也随之发生显著变化，故基于先前建立的动力电池的模型对该动力电池的状态进行估计时难以得到稳定可靠的状态估计值。另外，由于动力电池的参数受该动力电池的内部因素和外部因素的影响而变化，具有缓慢的时变特性，而其状态因受参数的影响而变化，具有快速时变特性，利用传统的卡尔曼估计方法很难得到参数和状态的收敛解以及最优解，进而导致控制系统的计算成本增加。
[0005]综上可知，由于非线性控制系统的参数会发生变化，故在利用通过试验方法辨识获得非线性控制系统的参数对该非线性控制系统的状态进行估计时，难以得到稳定可靠的状态估计值；由于非线性控制系统的参数具有缓慢的时变特性，而其状态具有快速时变特性，故采用传统的卡尔曼估计方法对该非线性控制系统的参数和状态进行估计时，计算时间长，计算成本高。
[0006]另外，目前电动车辆上常用的动力电池管理系统在对动力电池的荷电状态(Stateof Charge，简称SoC)进行估计时，估计误差在5%以内；在动力电池的可用容量进行估计时，估计误差在10%以内。
【发明内容】
[0007]为获得电动车辆的动力系统稳定可靠的状态估计值，并降低估计计算成本，本发明提出一种估计电动车辆的动力系统的参数和状态的方法，该方法包括如下步骤:
[0008]步骤一，建立所述动力系统的多时间尺度模型，
【权利要求】
1.一种估计电动车辆的动力系统的参数和状态的方法，其特征在于，该方法包括如下步骤: 步骤一，建立所述动力系统的多时间尺度模型，
2.根据权利要求1所述的估计电动车辆的动力系统的参数和状态的方法，其特征在于，所述状态观测器AEKFx进行时间更新时，所述微观时间尺度的循环周期为I = 1:L，当I=L时，所述宏观时间尺度由k-Ι变换为k，所述微观时间尺度由L变换为O。
3.根据权利要求1或2所述的估计电动车辆的动力系统的参数和状态的方法，其特征在于，所述电动车辆的动力系统的循环工况数据实时输入到状态估计滤波器中。
4.一种应用权利要求1-3中任意一项所述的方法对电动车辆的动力电池的参数和状态进行估计的动力电池管理系统。
【文档编号】G05B13/02GK103995464SQ201410225424
【公开日】2014年8月20日 申请日期:2014年5月26日 优先权日:2014年5月26日
【发明者】何洪文, 熊瑞, 张永志, 彭剑坤 申请人:北京理工大学