کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6604359 1424093 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A chaos genetic algorithm based extended Kalman filter for the available capacity evaluation of lithium-ion batteries
ترجمه فارسی عنوان
الگوریتم ژنتیک هرج و مرج بر اساس فیلتر کلمن برای بررسی میزان ظرفیت باتری های لیتیوم یون موجود است
کلمات کلیدی
ترجمه چکیده
باتری های لیتیوم یون به سرعت در وسایل نقلیه الکتریکی توسعه می یابند، قابلیت های ایمنی و عملکردی آنها تا حد زیادی تحت تأثیر ارزیابی ظرفیت موجود قرار دارند. همراه با توصیف روند تکاملی شارژ از فیلتر کلام بزرگ و یک مکانیزم سوئیچ سازگار، این مقاله پیشرفته یک فیلتر کلمن را بر اساس الگوریتم ژنتیک تطبیقی ​​برای تعیین شارژ باتری های لیتیوم یون ارائه می دهد که در آن یک مدل فضای حالت ترکیبی برای شبیه سازی پویایی آنها استفاده می شود. این ترکیبی از مزیت قابلیت تقریبی خطی خطی از فیلتر کلامان گسترده با مکانیزم جستجوی بهینه جهانی از الگوریتم ژنتیک هرج و مرج است. این روش برای تعیین میزان شارژ باتری های لیتیوم یون استفاده شده است و نتایج آزمایشات آزمایشگاهی روی سلول های فیزیکی در مقایسه با پیش بینی مدل ارائه شده است. علاوه بر این، آزمون محدودیت نوآوری و آزمون سفیدپردازی نوآوری برای تایید عملکرد روش پیشنهادی استفاده می شود. نتایج تایید می کند که روش پیشرفته می تواند وضعیت شارژ را با دقت بالا ارزیابی کند و دارای قدرتی عالی باشد بدون آنکه از ارزش اولیه نامطلوب تحت تاثیر قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی مهندسی شیمی (عمومی)
پیش نمایش مقاله
الگوریتم ژنتیک هرج و مرج بر اساس فیلتر کلمن برای بررسی میزان ظرفیت باتری های لیتیوم یون موجود است
چکیده انگلیسی
Lithium-ion batteries are developed rapidly in electric vehicles, whose safety and functional capabilities are influenced greatly by the evaluation of available capacity. Combined with the evolution trend description of state of charge from extended Kalman filter and an adaptive switch mechanism, this paper advances an adaptive chaos genetic algorithm based extended Kalman filter for the state of charge determination of lithium-ion batteries, where a combined state space model is used for simulating their dynamics. It combines the advantage of local linear approximation capability from extended Kalman filter with the global optimal search mechanism from chaos genetic algorithm. The method is applied for the state of charge determination of lithium-ion batteries, and results of lab tests on physical cells, compared with model prediction, are presented. Furthermore, the innovation magnitude bound test and innovation whiteness test are employed for verifying the performance of the proposed method. Results confirm that the advanced method may quickly evaluate state of charge with high accuracy and has great robustness without being affected by the uncertain initial value.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Electrochimica Acta - Volume 264, 20 February 2018, Pages 400-409
نویسندگان
,