英语原文共 20 页，剩余内容已隐藏，支付完成后下载完整资料
4.3.电池降解的测定
为了对车间的车辆进行检查，或对电池进行更换策略，需要评估电池的磨损情况以及关于是否以及何时应更换电池的信息。虽然电池性能的测定与实际电池状态有关，但退化是指（假设）参考条件下的性能，即SOH关于某个负荷曲线，例如启动。然而，一个合格的SOH曲线只描述电池当前的状态。剩余电池寿命的预测，直到门槛较低（如SOHfrac14;达到0），这种工作模式是必要的。
电池监测精度
精确—什么是可能的和有意义的
在关于电池监测的讨论中，精确度是关键之一，有时它似乎相当政治性，没有深入地说明“精确度”一词和潜在的好处。
对于已建立的车辆仪表，例如燃油表，冷却水温（沸腾），发动机机油压力和温度，相当粗的量规被公认。剩余燃料约5%的相对误差是最先进的。环境温度是精确测量的，但由于传感器位置不好（汽车前保险杠的温度可能与前面100米的桥有很大的差别），冰警告信息的价值相当有限，但是完全用作空调控制输入参数。
电池监测的精确度也是如此：任何数字和任何努力都必须进行分析，以确定讨论的意义。
精度要求与技术必要性
电池监测的精度受冲突区域的控制，包括:
- 需要达到既定的技术目标；
- 尝试由于电池有限重现性与电池性能，传感精度与数据采集；
- 代价。
考虑边际成本和边际效用的增加，需求和成本必须平衡，以最大限度地为客户带来利益。
对定义的技术目标的需求评估包括错误预测的风险分析，可能是失败机制和后果分析（FMEA），可接受的剩余风险的定义，以及如果系统必须超尺寸，选择更保守的阈值，或冗余的手段，必须采取额外的成本评估这样做。
电池的重现性与电池性能
电池性能的重现性必须考虑到铅酸电池数据测量的主要限制。 没有算法可以超出理想的情况：一个实验来衡量正在被预测的东西。 然而，重复实验的结果并不一样：电池状态的特征是电极的微观结构及其空间分布，覆盖了许多操作历史的细节，这些宏观数据如SOC，SOH和温度都不能涵盖。
电池实验的重现性取决于实验的类型以及重现初始状态的努力。深度放电和放电率的周期影响的实际能力由于“可逆容量衰减”现象，参见[ 39 ]：在连续深（全）循环降低容量，前面的深放电率低（所谓“复苏周期”）可以提高几个百分点的容量[ 40 ]。
容量估值需要花费时间tEOD直到电压U（t）下降到阈值电压Umin以下。 精度取决于在这个点上的梯度dU（t）/ dt Umin：在急剧下降的情况下，阈值区域非常快地通过，给出了精确的时间点。 然而，随着平缓下降，电压缓慢通过，实验模糊性在时间tEOD和容量值上产生更多的不确定性。
如果要求在一段时间t0之后的负载下的电压Uload（t0），情况也是如此。
酸分层是另一个潜在的错误来源：如果特定的酸性重力SG是在较低的电池部分，这创造了更高的电动势电动势比在较低浓度的上部。然而，电池的终端电压以电池中最高的电动势为主导，模拟了整体的电动势，这只对较低的部分是正确的，这可能影响从终端电压计算电池性能。
汽车电池是循环，但几乎从未完全充电。使用现代的无锑栅极，气体损耗大大降低，免维护，充电电压有限（约14伏....最大15 V）不克服酸分层化。采用窄极板叠加和优化的汽车悬架，减少了车辆运动对电解质的搅拌。
好消息是，在实际中几乎没有发现明显的酸分层现象。这很可能是由于大多数应用程序的循环受限造成的。坏消息是，在密集电池循环条件下的车辆，可以观察到在0.01克/毫升之间的顶部和底部区域的酸密度的差异。这些车辆变得越来越受欢迎。
每个电池的梯度dEMF / dSG约为920 mV /（g ml）（每六节电池为5.5 V /（g ml））[41]。 对于汽车电池，取决于设计，梯度dSOC / dSG约为400-500％/（g ml），即1％SOC变化相当于约11-14mV的EMF变化。
如果假设“真实”酸性重力SG（平均值在整个电池上的平均值）是“底部”值SGbottom和“顶部”值SGtop的平均值，则EMF对SOC的高估将大约为 对于0.01g / ml的任何酸性重力差异（SGbottom SGtop）为2％。在该计算中，由于酸在电池高度上的不均匀分布而导致潜在的储存能力降低目前尚未被考虑。
除了酸分层之外，硫酸化，即排出PbSO4活性材料（#39;#39;硬硫酸盐”）这不是在额外再充电下转变成PbO2或Pb（MET），被误导为误导电池监测。然而，只要从EMF的估计得到的SOC去考虑放电能力的估值，“硬硫酸盐”的作用像普通硫酸排放铅材料。另一方面，对“充电”能力的评估，硫酸盐化是一个问题，因为普通的PbSO4可以比“硬硫酸盐”好得多。
电池本身的重复性与本设计的理想型个体电池的偏差，包括在活性和非活性材料的量的变化，活性物质的密度在电极面积和电极，电极不均匀，或在串联连接的电池，根据[ 42 ]等。SLI电池电解液SG应在的范围从1.27到1.30克/毫升，如果未指定不同的生产商。通常，在被运送时SG在是在1.28 0.01 g/ml左右 。
电解质比重SG的变化有两个后果：
- 在SG的偏差为0.01克/毫升将误导SOC值来自电池开路电压或任何负载下的电压测量约4%。
- 在SG的偏差为0.01克/毫升时，电池内的硫酸含量约为4%。
偏差的另一个来源是填充到电池中的电解质量的变化，这也可能改变M（H2SO4）。当电池充放电时，终端电压对SOC的估计不受M（H2SO4）变化的影响。然而，当硫酸在放电过程中被消耗时，它的电动势取决于剩下的H2SO4量。电解质总量的变化必须与硫酸的残余量有关。因此，如图10所示，这种变化产生的错误变得越低，SOC就越低。绝对值取决于电池设计。
电解质变化的后果的一个例子如下：如果60%的标称容量已被排出，1%的酸量变化导致SOC变化约为0.6%。电解质的变化服从正态分布，方差为1%，SOC在40%左右的变化约为1.2%，可靠性为99.7%（3S值）。
图10.由电解质总量变化所产生的误差与SOC较低相关，而电解质SG的误差与SOC无关。绝对值取决于电池设计。
表2中的值显示了从电动势估算的SOC的预期偏差，电池的充电状态分别为100和40%。
- 各种酸SG（1.27，1.28，1.29克/毫升）
- 各种填充酸的重量（设计值的99, 100和101%）
表2显示，SOC的范围可能从4到4%，大约是100%（满）充电 状态，从7到7%的40%态充电。
- 从EMF的计算中填充酸的SG变化关于SOC有两种结果，即：
EMF随SG的平行移动，
- 电动势与SOC曲线斜率的变化对SOC的影响小于100%，而充酸量变化不大。
充酸量和SG将按照曲线分布。为简单起见，如果假设高斯（正态）分布在酸SG中方差为0.002 g／ml，酸重为1%，分别，用1.28微克/毫升的酸SG平均值，如果两个参数都不相关，这些分布的卷积使用蒙特卡洛过程给出了概率函数，如图11所示。
很显然在一个特定的测试的一个大样本的行为像电池的平均预测具有很高的可靠性，但不是单个电池。
当一个电池反复测试时，也会发现类似的情况：一个测试中的现象不能精确地预测出一系列测试中的平均值。
精密的传感
传感和数据采集的精度包括传感器分辨率、温度漂移和老化、传感器的适当位置，并根据原始数据采样率、频率和稳定性以及来自不同传感器的数据的一致性得出的信息。错误类型和可接受的感知和捕获错误与所应用的算法的类型密切相关，计算出的数字和所得到的结果如下：
- 绝对误差，如从EMF估算SOC时绝对电压是相关的。
- 对误差，即在两个电压或两个电流之间的差值，如两个电压或两个电流之间的差值，与计算 DU/Di的数字有关。
- 重复误差是衡量样本值多次重复性的量度。
- 在瞬变过程中，两个数字的同步误差，即同步观测点的时间偏移，对同步过程尤为重要。
- 系统误差是由非最优化的采集造成的偏差，一个传感器如非最佳位置；主要的偏差可以用模型估计。
电压通常用模数转换器（ADC）测量。与商业12位类型，两个最低有效位（LSB）是不确定的，达到一个相对约= 0:001分辨率。电池电压大约为15伏，这是的准确度。如果EMF被用来估计SOC，这相当于在SOC。
对于电流测量，使用分流器或电流传感器。这些部件的精度在制造商的规格范围内有很大的不同。通常，错误包含一个相对值（与实际值成比例）和绝对贡献（独立于实际值）。
除了传感器和相关ADC的通常偏差外，电池温度的测量还受到电池内潜在的温度不均匀性的阻碍，事实上，至少在今天，电池内没有温度传感器。从电池分开定位的温度传感器产生的系统误差（v.s.），这可能是被一个温度模型补偿，例如[ 31 ]。
精度的算法
算法的精度取决于简化程度，即忽略效应的程度。输入数据中的任何错误，从传感设备和单个电池属性的散射，不应归因于算法。即使是高度复杂的模型或非常详细的特征模式，这种错误也不能得到补偿。至多，智能过滤功能和对合理性的检查允许排除影响电池监测的错误数据集。
歧义是一个具有特征模式和模型的原则问题。随着模型的方法，更好的结果可以通过更详细地考虑电池过程来实现。另一方面，更详细的模型通常使用更多的参数，这些值必须被正确地选择，或者与测量数据相匹配。密切相关的参数，正确的分离和参数值的选择，从测得的数据变得越来越困难，即可观性可能较差。如果一个高层次的细节导致偶尔的数字不稳定，一个更粗略，但稳健的算法可能是更好的选择。
算法质量大于精度：一个强大的程序，是用数学的稳定性需要，明确的参数化和变量正确分离。为了检验这种能力，需要进行广泛的实验室和道路试验。
电池的退化
蓄电池的监测和管理必须考虑铅酸蓄电池寿命的变化，包括电网腐蚀、失水、活性物质的变化、活性物质的损失等。
能源的流率，即电池的循环，获得新的车辆的重要性，但溶解/沉淀过程作为铅酸系统的主要反应是铅酸电池的循环寿命都基本障碍，在淹没和固定电解质和滑移和缠绕设计：
- 在循环中结构信息丢失，在操作过程中电极的形态变化（诱导软化、脱落、青苔、枝晶生长、可逆容量衰减等）。
- 硫酸电解液与主要反应有关，在高放电速率下出现耗尽过程。
实际的SOF的估值不一定需要区分短期（可逆）影响电解质耗竭的影响，以及长期的（不可逆）的降解，如从物质脱落或腐蚀，只有在这些影响被单独处理的情况下，才能预测电池性能在中、远的未来。
电池阻抗的实际增加有助于预测短期高功率容量的降低。预测长期行为，在另一种电池状态（SOC，T），永久的起源从栅腐蚀必须从那些从有源材料损失分。，因为它们对SOC和温度T的依赖不同。这些永久的起源必须认真区别从短暂的浓差极化的影响，特别是SOC和T的影响。
交叉检验与可信性
为了避免意外的结果，电池监测的输入数据和生成的数字在使用之前应该检查是否合理，例如能量管理。
数字可以根据其合理值范围进行检查，这可能取决于诸如温度、SOC或车辆状态等参数。
- 发动机关闭时，电压不超过13 V，电流不能在充电方向流动。
- 电池电压和电流可能变化很快，但或多或少同步。
- 电池温度，SOC和SOH不能突然改变。
- CSC或包含栅极电阻的参数应该与电池工作历史相关，如电荷流率和/或操作温度。否则，电池管理的输出或电池有问题。
对可能检测到的差异的处理取决于图形的相关性、功能的目标和系统的能力。
能源与电池管理
能源管理的技术目标是保证一个部件的电力供应，在所有或仅在特殊情况下，如冰运行或车辆移动。电力供应通常是由发电机在冰运行时，这是必须考虑的。
如果估计未来负荷下的期望电压变得非常低，或者可用的电荷量太低，能量平衡可以通过减少能量消耗或增加能量产生来改善。
特别是第一个是非常有帮助的，以改善短期能源状况，例如，以保证电力供应的关键负荷减少或断开的非必要的负荷，这可以做一步一步的方式，直到所有，但真正的重要组成部分已关闭。
让用户更舒适的，但在技术上比较困难，是增加发电的交流发电机的运转（增加发电磁场），通过触发发动机控制，以增加怠速，或通过增加RPM开关点的自动换档控制。
通常情况下，寻求更高的充电状态以满足不必要的充电要求。因此，能量管理与电池性能和充电接受等性能密切相关。
中期能源管理会考虑未来几小时或几天的情况，当电池的充电状态和温度可能发生变化时。在大多数情况下，启动能力是主要目标。
和使发动机曲轴的最小电压U1（cf. Eq.（3））可以计算。从这一信息，Qmin的能量来提供这个功率曲线在U gt; U1可以推导出最小有效量。这相当于一个最小值socmin。如果实际SOC高于socmin，能源管理可能与过量的（SOC socmin）共同去承担包括静态负载和附加负载如无线广播等。然而，如果实际SOC低于socmin，这意味着增加SOC必须激活，以维持未来的起动能力。
总结与展望
车辆电气系统将进一步推动燃油经济性、生态性和新的功能，以提高安全性、舒适性和可靠
全文共14326字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[11394]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
