1、前言
目前,世界面临能源紧缺和环境污染的巨大挑战。汽车是石油消耗和污染物排放的重要来源。电动汽车因其低碳环保、绿色节能的特点，受到了越来越广泛的关注和推广应用。锂离子电池具有能量密度高、循环寿命长的特点,在现阶段电动汽车中应用广泛。动力电池的电池荷电状态(SOC)反映电池的剩余容量。根据SOC可以监控电池的充放电状态，结合车辆行驶工况和驾驶员的驾驶习惯可以估算剩余续驶里程。准确的SOC估计可以防止电池过充、过放,对电池的安全性和使用效率至关重要。
另一方面,电池的SOC和其自身电压、电流、温度、循环次数及容量之间呈非线性关系，加之电动汽车行驶路况的复杂多变性，使得电池的非线性特性表现的更加剧烈，因此，如果要获得复杂动态工况下的精确SOC值，必须要对电池的参数进行实时修正，以适应电动汽车应用环境的动态特性。
- 研究现状
（1）动力电池模型参数辨识的研究现状
电池建模在电池管理系统中占有十分重要的地位，因为这是对电池管理进行研究的最为重要的一个环节，建立合理的电池模型是提高SOC估计精度的基础，对于电动汽车研究也具有十分重要的意义。在之前的研究中，已经形成几大类研究成果。根据研究的对象和机理的区别，电池模型一般分为电化学模型、黑箱模型和等效电路模型三种，许多研究者在选取电池模型时都选用等效电路。
动力电池模型参数的辨识可以通过在线模型参数辨识与离线参数标定，在线模型参数辨识具有一定的优势[6]。
福州大学的章群和严世榕在《机电工程》中发表的《电动汽车动力锂电池模型参数辨识》中提出的电池数据选取方法结合二阶RC模型的参数辨识能实时地辨识模型的参数，计算结果表明该方法的辨识结果的最大相对误差率为4.28% ，可进一步用于后续的电池的SOC和SOH等一系列电池状态的计算中[1]。
重庆大学的曹美玲在毕业论文中以三元锂离子动力电池作为研究对象，搭建了动力电池测试平台，使用PVA算法建立了阻容参数在线估计方法，有效提高了AUKF算法的电压估计精度。使用开路电压和SOC变化量建立了最大容量离线估计方法，选取合适的OCV变化范围，实现了最大容量的精确估计[2]。
中国科技大学的刘伟龙等人在《电工学术报》中发表的《充电模态下电动汽车动力电池模型辨识》中围绕充电模态下电动汽车动力电池模型参数辨识这一核心问题，提出基于FFRELS的参数辨识算法，建立基于电极电化学阻抗谱理论的电池电路模型，并进行模型参数辨识研究，采用BIC准则对电池模型阶次进行优化选择，并使用基于LGM的电池开路电压模型对参数辨识算法FFRELS进行修正。修正的FFRELS对电池端电压及开路电压的平均估计误差小于0.04mA，最大估计误差小于0.4mV，可以很好地满足电动汽车的使用需求[3]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
