《无人船锂电池管理系统研究及设计》由会员分享，可在线阅读，更多相关《无人船锂电池管理系统研究及设计（75页珍藏版）》请在金锄头文库上搜索。
1、 硕士硕士学位论文学位论文 无人船锂电池管理系统的研究与设计 RESEARCH AND DESIGN ON THE LITHIUM-ION BATTERY MANAGEMENT SYSTEM OF UNMANNED SURFACE VEHICLE 高高 波波 哈尔滨工业大学哈尔滨工业大学 2013 年年 6 月月 国内图书分类号： TM912 学校代码： 10213 国际图书分类号：621.3 密级：公开 工程硕士工程硕士学学位论文位论文 无人船锂电池管理系统的研究与设计 硕 士 研 究 生 ： 高 波 导 师 ： 孙正鼐 副教授 申请学位 ： 工程硕士 学科 ： 电气工程 所 在 单 位 ：
2、 信息与电气工程学院 答 辩 日 期 ： 2013 年 6 月 授予学位单位 ： 哈尔滨工业大学 Classified Index: TM912 U.D.C: 621.3 Dissertation for the Master Degree in Engineering RESEARCH AND DESIGN ON THE LITHIUM-ION BATTERY MANAGEMENT SYSTEM OF UNMANNED SURFACE VEHICLE Candidate： Gao Bo Supervisor： Associate Prof. Sun Zhengnai Academic Deg
3、ree Applied for： Master of Engineering Speciality： Electrical Engineering Affiliation： School of Information and Electrical Engineering Date of Defence： June 2013 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工程硕士学位论文 - I - 摘 要 无人船（USV）作为一种新型智能化海洋观测平台已经成为海洋观测领域 的研究热点。电池管理系统（BM
4、S）作为电力推进式 USV 锂电池组的管理和 保护单元，对于提高 USV 安全性、可靠性以及智能化程度具有重要意义，成为 高性能无人船的关键技术之一。 本文主要包括两大部分， 锂电池荷电状态 （SOC） 估算的研究和无人船 BMS 设计与实现。 通过分析锂电池特性及相关影响因素，从而确定其等效电路模型及状态空 间方程并进行模型校验。 在此基础上完成了对利用卡尔曼滤波算法估算 SOC 展 开分析和探讨。 通过分析并对扩展卡尔曼滤波算法估算 SOC 和自适应卡尔曼滤 波算法估算 SOC 进行仿真， 结果表明自适应卡尔曼滤波具有更好的精度和鲁棒 性。SOC 在线估算是 BMS 的难点，实时获取 US
5、V 锂电池组的 SOC 对于高效 利用电能以及合理规划路径具有重要意义。因此，本文设计了一种多元 SOC 估 算方法，其结合扩展卡尔曼滤波法、开路电压法、安时积分法并考虑温度、充 放电倍率，具有较强的可行性和较高的精度。 本文介绍了一种无人船 BMS 的设计与实现。硬件设计上，采用性价比高 的 STM32F103RBT6 作为微控制器并利用抗干扰能力强的数据采集芯片 ISL9208，结合温度传感器、电流传感器以及串口、CAN 通讯等模块，从而实 现 BMS 的硬件设计。软件设计上，包含了电池组的基本数据采集、保护、SOC 估算、均衡以及通讯等操作。同时，本文对 BMS 实验结果进行分析，结果表
6、 明设计的 BMS 能够准确地采集单体电池的电压、温度及充放电电流，并能实 现 SOC 的较准确估算，同时具有电池组均衡和过压、过放、过流、短路等保护 功能。 关键词：无人船；BMS；SOC；卡尔曼滤波法 哈尔滨工业大学工程硕士学位论文 - II - Abstract As a new type of intelligent marine observing platform, the unmanned surface vehicle (USV) has become a research hotspot in the field of ocean observation. As the co
7、re management and protection unit of lithium-ion batteries in the electric propulsion USV, battery management system (BMS) is essential to improve the safety, reliability and intelligence of the whole system. BMS has been one of the core technologies of a high-performance USV. This paper includes tw
8、o parts, estimating the state of charge (SOC) of the lithium-ion battery and design and implementation of the BMS. By analyzing the characteristics of lithium-ion and relevant factors, this paper builds the equivalent circuit model, gets state-space equations and vertifies the veracity of the model.
9、 Based on the research above, this paper analyzes and discusses the extended Kalman filter algorithm and the adaptive Kalman filter algorithm to estimate SOC of the lithium-ion battery. Through simulation, it is proved the adaptive Kalman filter has better accuracy and robustness than the extended K
10、alman filter algorithm. It is difficult for BMS to estimate the SOC of the lithium-ion battery accurately online, which is important for USV to have an efficient use of energy and to give rational route planning. Therefore this paper introduces a feasible and relatively accurate method which combine
11、s the extended Kalman filter algorithm, open-circuit voltage method with the ampere-hour integration approach and takes the effect of temperature, rate of charging or discharging current into consideration. And then this paper introduces the design of BMS in the USV. As to the hardware, this paper u
12、ses cost-effective STM32F103RBT6 as the MCU, the integrated chip ISL9208 for data acquisition. It has temperature sensors, current sensors, the CAN and serial communication modules as the units of BMS. For the software, it includes the design of the basic data collection, protection, SOC estimation,
13、 equalization of battery pack and the communication between the BMS and USV. Meanwhile, the paper analyzes the results of BMS experiment, which shows that BMS is able to capture single battery voltage, temperature, charging or discharging current accurately and achieve a relatively accurate estimati
14、on of the SOC. The BMS also has the functions of balancing and protecting the battery pack when the voltage or current of the battery pack is to be unusual. Keywords: USV, BMS, SOC, Kalman filter algorithm 哈尔滨工业大学工程硕士学位论文 - III - 目 录 摘 要 I ABSTRACT II 第 1 章 绪论 . 1 1.1 课题背景及研究目的和意义 . 1 1.1.1 课题背景 1 1
15、.1.2 课题研究目的及意义 . 2 1.2 电池管理系统国内外研究现状 4 1.2.1 国外研究现状 4 1.2.2 国内研究现状 6 1.2.3 研究现状分析 7 1.3 本文的主要研究内容 8 第 2 章 锂电池的性能分析及模型的研究 . 9 2.1 磷酸铁锂电池 . 9 2.1.1 磷酸铁锂电池的工作原理 . 9 2.1.2 磷酸铁锂电池的特性 . 10 2.1.3 锂电池的极化及性能参数 . 11 2.2 磷酸铁锂电池性能影响因素分析 14 2.2.1 电压因素 14 2.2.2 温度因素 14 2.2.3 电流因素 16 2.3 磷酸铁锂电池模型的研究 . 17 2.3.1 不同电
16、池模型的分析 . 17 2.3.2 磷酸铁锂电池模型的建立 . 18 2.3.3 磷酸铁锂电池模型的状态空间方程 19 2.3.4 模型参数的确定 21 2.4 本章小结 23 第 3 章 SOC 估算的研究及均衡策略分析 24 3.1 SOC 的估算 24 3.1.1 影响 SOC 估算的因素 . 24 3.1.2 SOC 估算方法分析 . 25 3.2 自适应卡尔曼滤波法估算 SOC . 27 哈尔滨工业大学工程硕士学位论文 - IV - 3.2.1 卡尔曼滤波算法 27 3.2.2 自适应卡尔曼滤波算法 . 28 3.2.3 SOC 估算的仿真实验 . 29 3.3 SOC 在线估算算法的研究 . 32 3.4 均衡操作的研究 . 34 3.5 本章小结 36 第 4 章 电池管理系统的设计与实现 . 37 4.1 系统的设计方案 . 37 4.1.1 功能需求分析 37 4.1.2 BMS 设计方案 38 4.2 系统硬件电路设计 40 4.2.1 MCU 外围电路设计 40 4.2.2
