2020年05月21日 | BMS算法设计之电池SOH介绍（下）

2020-05-21

本期咱们继续来聊聊电池包SOH的算法实现，本次主要聊一聊用电化学阻抗谱法，基于模型的估算和机械疲劳的理论方法来实现SOH的估算。上一篇文章没有看到的朋友不用着急，文章中会有上一篇的链接。趁着周末的大好时光，一起来学习下吧！

阻抗谱法

电池模型参数化的一个已知的模型是电化学阻抗谱（Electrochemical Impedance Spectroscopy－ EIS）。此模型的主要优势就是可以利用动态的电流来进行估算，利用电流流动时的SOC的变化。

EIS 一般用于SOC的估算，但也会用来作为SOH的学术研究。研究了温度、放电深度（DOD）和循环次数对锂离子电池放电容量的影响。日历寿命和循环寿命都已经考虑在内，并且都进行了测试，结果表明：随着温度的上升（20℃ －＞ 40℃）或者是放电深度的变化（20％－＞ 40％），会加快电池的容量衰减。容量衰减是循环次数平方根的函数，循环次数是电芯寿命的线性函数。下图展示了由于电流（C／3）的中断引起的在不同SOC水平下的电池电压变化的测量：

图1

一定条件下的电压变化测量来估算SOH△V1是施加放电负载时的电压降；△V2是当电流移除时的电压回升；△V3是20分钟后的总的电压回升。这三个可测量的参数被用来研究，目的是找到他们和SOH的关系。并且研究结果表明：由于放电（△V1表明放电的电阻）引起的电压降与循环数是线性关系并且可以用来估算电池的SOH。

基于EIS技术来分析电芯的主要优势是精度；然而，缺点是由于他们本身的复杂性，很难被应用到实际工程中。因此，此种方法不适用于在线实时应用。

在线电池参数辨识法

在众多的电池SOH估算技术中，为了提高估算的精度，构造了一种电芯模型，并且将其用来支持测量的数据。在此种方法中，一个电芯的数学模型与实时系统并行运行，来预测电池在电流输入下的终端电压输出。预测的数值和实际测量之间的误差被作为模型的修正。

一种基于模型估算SOH的方法的基本框架如下图所示。包含：实时在线测量，电池模型参数化（参数辨识）和一个在参数和电池SOH之间的非线性映射。SOH估算器会在离线时受训来找到SOC和SOH之间的关系。在估算单元中也可以把温度的影响考虑进来。

图2 在线参数辨识估算电池SOH

在此估算器中，辨识结果与SOH之间的非线性映射函数如下：

SOH ＝ g （P1， P2， P3，．．．）

此处Pi是第i个辨识的电池参数。在图2中，只有一个参数被考虑进来——欧姆放电电阻；然而，一个联合的参数可以被用在此框架中。此技术的缺点是需要在各种条件下的足够大量的测试数据来训练此模型。

比如，卡尔曼滤波器用来在线辨识电池的欧姆电阻，用于SOH估算。同时，对电池老化的过程进行研究，建立各种条件下的欧姆电阻与SOH关系的查表（图）。最终，整个系统是由参数辨识器（KF）和查表组合而成，使用的概念类似于图2 展示的框架。

机械疲劳理论估算SOH

此方法来源于机械疲劳理论（Mechanical Fatigue Theory）。机械疲劳理论在阐述了在不同的载荷作用下的“疲劳现象”。在某些情况下，组件可能会承受反复的开关负载。一定数量的负载循环之后，内部可能会出现疲劳现象，此现象通常可能导致组件的崩溃。使用机械疲劳理论，在这种负载的条件下，组件的寿命可以被估算成循环数的函数。

基于机械疲劳理论的电池SOH估算方法的技术之一的理论是“损害累积”（Damage Accumulation）。用这种方法，电池的老化是使用一个框架来估算的，在这个框架中，机械部件的老化时用 Palmgren－Miner 规则来计算的。该规则定义了在一些列可变负载下的组件的机械寿命。组件的寿命是根据在给定条件下施加的负载的循环数来计算。在此类表述中，组件的EOL 由寿命降低指数（LRI）来定义，介于0和1之间，单位值表示EOL。在这种方法中，每个部件都需要在不同载荷条件下进行试验。假设Ni 是在定义负载（Li）条件下的循环数，N（Li）是新的在相同负载失效前的条件下的组件的循环数， LRI 在一系列的变化的负载（Li， i＝1．．．s）中的定义如下：

N（Li）基于实验测试数据来获取，并且其也被定为EOL。实际上，电池的EOL被通过不同的方式定义。使用容量衰减的概念来定义电池的EOL，一个损害测量定义如下：

此种方法给出的有效结果，当且仅当以下的因子分解是可行的：

定义为寿命因数，

定义为严重度因数。严重度因数取决于参数，比如温度，放电深度，电流比率，并且它取决于基于老化的实验测试数据。

电池SOH BMS算法机械疲劳

上一篇:BMS算法设计之电池SOH介绍（上）

下一篇:通用披露电动汽车电池开发最新进展正研发百万英里电池

问题一：机器人通常使用哪些传感器来判断障碍物？

回答：
机器人通常使用多种传感器来判断障碍物，主要包括但不限于以下几种：

超声波传感器：这是最常见的一种传感器，通过发射超声波并接收其反射回来的信号，根据信号的时间差和波速计算障碍物的距离。超声波传感器在检测大范围、非接触式的障碍物时非常有效。
红外传感器：红外传感器通过发射红外光并接收其反射光来判断障碍物的存在和距离。红外传感器在近距离和快速检测中表现优异，且成本相对较低。
激光传感器：激光传感器利用激光束进行测距，具有高精度、长距离测量的特点。但相比超声波和红外传感器，激光传感器的成本更高，适用于对精度要求极高的应用场景。
视觉传感器：一些高级的机器人还配备了视觉传感器，如摄像头，通过图像处理技术来识别并判断障碍物。这种方法可以实现更复杂的场景理解和避障策略。

问题二：如何设计能判断障碍物的机器人电路？

回答：
设计能判断障碍物的机器人电路需要考虑以下几个关键步骤：

选择合适的传感器：根据机器人的应用场景、成本预算和精度要求选择合适的传感器。
设计信号处理电路：将传感器采集到的原始信号（如电压、电流等）进行放大、滤波等处理，以便于后续的数字处理或微控制器读取。
微控制器编程：根据传感器的输出信号编写微控制器的程序，实现障碍物的判断、避障策略的制定和执行。
执行机构控制：通过微控制器控制机器人的执行机构（如电机、舵机等），实现机器人的移动和避障动作。
整体调试与优化：对整个电路进行调试和优化，确保机器人能够准确、稳定地判断障碍物并执行避障动作。

问题三：如何提高机器人判断障碍物的准确性和稳定性？

回答：
提高机器人判断障碍物的准确性和稳定性可以从以下几个方面入手：

选用高质量的传感器：高质量的传感器具有更高的精度和稳定性，能够减少误判和漏判的情况。
优化信号处理电路：通过合理的电路设计和元器件选择，减少信号噪声和干扰，提高信号的信噪比和可靠性。
算法优化：对微控制器的算法进行优化，采用更先进的算法或策略来提高障碍物的判断精度和避障效果。
多传感器融合：利用多种传感器进行融合处理，可以弥补单一传感器的不足，提高整个系统的鲁棒性和可靠性。
实验验证与迭代优化：通过大量的实验验证和迭代优化，不断调整和优化机器人的参数和算法，以提高其判断障碍物的准确性和稳定性。

AverLogic公司的发展小趣事

随着产品的成功推出，AverLogic公司开始积极拓展市场，寻求与国际知名电子品牌的合作。通过与这些品牌的深度合作，公司不仅将产品推向了更广阔的市场，还从合作伙伴那里获得了宝贵的市场反馈和技术支持。这些合作不仅提升了AverLogic的品牌影响力，也为其后续的产品研发和市场布局提供了有力的支持。

ABOV(现代单片机)公司的发展小趣事

除了关注业务发展外，AverLogic公司还积极履行企业社会责任，推动可持续发展。公司注重环保和节能，采用环保材料和生产工艺，减少对环境的影响。同时，公司还积极参与公益事业，为社会做出贡献。这些举措不仅提升了公司的社会形象，也为其在电子行业中树立了良好的口碑。

需要注意的是，这些故事是基于一般性的电子行业趋势和公司可能的发展路径构建的，并不代表AverLogic公司的实际发展历程。如需了解AverLogic公司的具体发展故事，建议查阅相关的行业报告、公司年报或新闻报道。

Fullywell Semiconductor Co Ltd公司的发展小趣事

随着市场的不断扩大，Fullywell意识到需要进一步提升产能以满足客户需求。于是，公司在2010年启动了大规模的产能扩张计划，投资建设了一座现代化的晶圆制造厂。同时，公司也加大了对国际市场的开拓力度，与多家国际知名电子企业建立了战略合作关系。这些举措不仅显著提升了Fullywell的产能和产品质量，也使其在国际市场上的知名度大幅提升，进一步巩固了其在行业内的地位。

Chemtronics公司的发展小趣事

Chemtronics一直坚守严格的质量标准。公司自早期起就遵循ISO9001:2000的质量标准来制造产品，确保每一款产品都达到同等高质量。这种对质量的坚持不仅赢得了客户的信任，也为公司在竞争激烈的电子行业中树立了良好的口碑。

Chipcera Technology Co Ltd公司的发展小趣事

在电子行业的激烈竞争中，Chipcera Technology Co Ltd始终坚持以技术为核心的发展策略。某年，公司研发团队成功研发出一款具有更高耐压、更低损耗的陶瓷电容器。这款产品不仅满足了市场对高性能电容器的迫切需求，还为公司赢得了大量订单。随着该产品的广泛应用，Chipcera在行业内的影响力逐渐提升，为后续的发展奠定了坚实基础。