摘要 以燃料电池电动汽车电池管理系统为背景，分析了影响镍氢电池SOC的主要因素，设计了蓄电池SOC动态测控电路，根据车载电池SOC的时变性和非线性，选用改进型Elman动态递归网络，构建了基于神经网络的电池SOC预测模型，利用MATLAB进行网络训练和仿真，验证了所给模型的有效性，实现了对镍氢电池任一状态下剩余容量的测量,为车载系统蓄电池SOC的准确测量奠定了基础。关键词（本论文范文的主要论点） 神经网络 镍氢电池 SOC 动态测量燃料电池电动汽车（FCEV, Fuel Cell Electric Vehicle）中的蓄电池能量管理系统具有电能、电量、温度等参数的监测和控制以及安全保护等功能，其中最重要的是能够准确可靠地获得蓄电池现存的荷电状态（SOC, state of charge）参数。FCEV运行可能会造成蓄电池过充(超过80％SOC)或深放（小于20%SOC），必须对蓄电池的SOC状态进行实时监测，以提高蓄电池的使用寿命和整车动力性能。
用于蓄电池的SOC测量可归纳为电量累计法、电阻测量法和电压测量法等三种基本方法[1] [2]。电量累计法是通过累计电池充/放电过程的电量来估计电池的SOC，需要较多的先验知识和数据；电阻测量法是由日本CHUGOKU公司研究混合动力电动汽车时提出的一种SOC检测方法，即用不同频率的交流电作为激励，测量蓄电池内部交流电阻，并建立计算模型得到SOC估计值。此方法只考虑蓄电池放电电流和内阻两个基本因素，故测量精度不高；电压测量法利用大量的蓄电池充放电试验所获取的典型数据，建立端电压与SOC的关系，通过测量蓄电池的端电压，求出蓄电池的剩余能量。本文根据镍氢电池充/放电特性，研究利用人工神经网络的非线性映射能力和自适应功能，构建基于神经网络的SOC预测模型，实现蓄电池SOC值的动态监测。
*若需了解更多与协助请咨询↓→[电脑QQ][手机QQ]【数据协助】
