邵仕平，黃菊花，曹 銘

(南昌大學(xué)機(jī)電工程學(xué)院，南昌 330031)

基于數(shù)據(jù)融合的電動(dòng)汽車(chē)高壓采集方法

邵仕平，黃菊花，曹 銘

(南昌大學(xué)機(jī)電工程學(xué)院，南昌 330031)

高電壓采集是電動(dòng)汽車(chē)電池管理系統(tǒng)的最主要任務(wù)之一。準(zhǔn)確、穩(wěn)定的高電壓采集對(duì)電池管理系統(tǒng)估算SOC與SOH和動(dòng)力電池安全管理等都有著重要意義。本文中提出了一種基于多傳感器融合技術(shù)和卡爾曼濾波器的高電壓采集方法。首先，對(duì)兩種現(xiàn)有的高壓采集方法進(jìn)行了融合，解決了總電壓采集數(shù)據(jù)的誤差和噪聲的問(wèn)題；其次，對(duì)融合模型和卡爾曼濾波器進(jìn)行了改進(jìn)，精簡(jiǎn)了數(shù)據(jù)融合時(shí)的復(fù)雜計(jì)算；最后，通過(guò)實(shí)驗(yàn)證明所提出的高壓采集方法具有較高的精度和穩(wěn)定性。

電動(dòng)汽車(chē)；高壓采集；卡爾曼濾波器；數(shù)據(jù)融合

前言

隨著能源危機(jī)和環(huán)境污染的日益加重，新能源汽車(chē)越來(lái)越受到重視，其中混合動(dòng)力汽車(chē)、燃料電池汽車(chē)和純電動(dòng)汽車(chē)已有成熟的產(chǎn)品面世，而純電動(dòng)汽車(chē)更是因?yàn)槠鋭?dòng)力性強(qiáng)、經(jīng)濟(jì)性好、零排放等優(yōu)點(diǎn)而被市場(chǎng)普遍接受。動(dòng)力電池管理系統(tǒng)(battery management system，BMS)是電動(dòng)汽車(chē)三大關(guān)鍵技術(shù)之一，其中采集動(dòng)力電池組串聯(lián)總電壓是BMS的主要任務(wù)?？傠妷旱牟杉戎苯佑绊態(tài)MS對(duì)電池組荷電狀態(tài)(state of charge，SOC)和健康狀況(state of health，SOH)的估算、電池組輸出功率與絕緣電阻值的計(jì)算以及均衡策略，進(jìn)而影響電動(dòng)汽車(chē)整車(chē)性能與安全性。

由于串聯(lián)電池組總電壓一般在100～500V，所以AD轉(zhuǎn)換器只能間接采集。目前采集電池組總電壓的方法有4種：①分壓法，該方法利用電阻分壓的方式對(duì)總電壓進(jìn)行采樣，但由于電阻精度和漂移問(wèn)題，這種方法的采樣精度較低，同時(shí)要求使用光電或V/ F(電壓/脈沖)轉(zhuǎn)換實(shí)現(xiàn)隔離[1-2]；②差分比例電路法，該方法通過(guò)差分比例電路對(duì)總電壓進(jìn)行線性縮小并采樣，但如果電路元器件對(duì)稱(chēng)性較差，采樣信號(hào)中會(huì)存在共模干擾，影響測(cè)量精度[3-4]；③電壓傳感器法，該方法采用霍爾式電壓傳感器對(duì)總電壓進(jìn)行采集，但由于霍爾電壓傳感器使用時(shí)需要通過(guò)采樣電阻將電壓信號(hào)轉(zhuǎn)換為電流信號(hào)，這種采集回路存在漏電流，同時(shí)采樣結(jié)果也受信號(hào)轉(zhuǎn)換的精度限制；④單體電池電壓累加法，該方法采集電池組全部單體電池電壓，累加后得出電池組總電壓。合理選擇采集電路可減小單體電池電壓數(shù)據(jù)的干擾，但該方法存在累加誤差，且實(shí)時(shí)性較差。

此外，由于電動(dòng)汽車(chē)工況復(fù)雜，采集電路會(huì)受到來(lái)自電機(jī)、DC/DC轉(zhuǎn)換器等的外界干擾，所以?xún)H使用上述方法在電動(dòng)汽車(chē)平臺(tái)無(wú)法獲得良好的采集效果。為此，本文中基于多傳感器融合技術(shù)和卡爾曼濾波器，設(shè)計(jì)了一種融合差分比例電路法與單體電池電壓累加法的改進(jìn)高壓采集方法，對(duì)傳統(tǒng)數(shù)據(jù)融合模型進(jìn)行改進(jìn)，精簡(jiǎn)了數(shù)據(jù)融合時(shí)的復(fù)雜計(jì)算，并將采集數(shù)據(jù)融合后的結(jié)果作為當(dāng)前電池組總電壓。最后通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法的穩(wěn)定性與采集精度。

1 硬件設(shè)計(jì)

1.1 概述

對(duì)于電動(dòng)汽車(chē)BMS高壓采集方法，差分比例電路法由于避免了使用隔離元器件和高精度傳感器，相較于其他方法有成本優(yōu)勢(shì)。同時(shí)，監(jiān)測(cè)動(dòng)力電池組單體電池電壓是BMS的基本功能[5-6]，所以單體電池電壓累加法可在原有系統(tǒng)上實(shí)現(xiàn)，不需要修改硬件。因此對(duì)于融合二觀測(cè)量的高壓采集方法，選擇差分比例電路法與單體電池電壓累加法進(jìn)行數(shù)據(jù)融合在硬件設(shè)計(jì)上是最優(yōu)的。

圖1 分布式BMS結(jié)構(gòu)示意圖

本文中介紹的高壓采集方法基于分布式BMS，管理45節(jié)100A·h磷酸鐵鋰串聯(lián)電池組，基本結(jié)構(gòu)如圖1所示。該BMS采用Freescale公司DZ60作為MCU，具有12位ADC和CAN控制器，滿(mǎn)足運(yùn)算、采集和通信需求。BMS在高壓箱內(nèi)設(shè)有差分比例運(yùn)算電路，其輸入端直接與串聯(lián)電池組正負(fù)極連接。BMS還具有5個(gè)子采集模塊，每個(gè)子模塊可采集10節(jié)單體電池電壓，并通過(guò)CAN將數(shù)據(jù)發(fā)送至上位機(jī)。這樣，BMS即可同時(shí)通過(guò)差分比例電路法與單體電池電壓累加法采集串聯(lián)電池組總電壓。

1.2 差分比例運(yùn)算電路法

差分比例運(yùn)算電路法如圖2所示。

圖2 差分比例運(yùn)算電路法示意圖

圖2中u1為動(dòng)力電池組串聯(lián)總電壓，A1和A2分別為OP279的兩路放大器。R1～R4和A1構(gòu)成差分比例運(yùn)算電路，具體阻值參見(jiàn)圖2。其中R1=R2，R3=R4，根據(jù)運(yùn)算放大器的特性，此時(shí)放大器A1的輸入電壓u1與輸出電壓u1′的比值K=R1/R4。R5，R6和A2構(gòu)成電壓跟隨器，增加電路跟隨特性，不影響電壓幅值，即u2=u1′。此時(shí)u1經(jīng)過(guò)采集電路線性縮小為電壓u2，并滿(mǎn)足u1=Ku1′=Ku2。

通過(guò)DZ60單片機(jī)片內(nèi)ADC采集u2，便可以計(jì)算出串聯(lián)電池組總電壓。其中，若電路內(nèi)所有元器件為理想模型，則DZ60通過(guò)計(jì)算得出的串聯(lián)電池組總電壓u3與u1和u2的關(guān)系為

差分比例運(yùn)算電路法由于元器件自身精度問(wèn)題，無(wú)法實(shí)現(xiàn)完全對(duì)稱(chēng)，故采集時(shí)會(huì)存在較大共模干擾。但該方法誤差小，電路直接測(cè)量電池組兩端電壓，可直觀反映電壓變化。

1.3 單體電池電壓累加法

單體電池電壓累加法如圖3所示。

圖3 單體電池累加法示意圖

其中，U1～U45分別為電池組第1至第45節(jié)單體電池電壓，R7，R8和A3組成電壓跟隨器，作為電壓調(diào)理電路，S1～S90為開(kāi)關(guān)陣列。當(dāng)S1和S2閉合，其余開(kāi)關(guān)斷開(kāi)，調(diào)理電路輸入電壓u4(1)等于U1，輸出電壓u5通過(guò)DZ60單片機(jī)片內(nèi)ADC進(jìn)行采集，此時(shí)u5(1)=U1。 閉合S3和S4，斷開(kāi)其余開(kāi)關(guān)，此時(shí)u5(2)=U2。 通過(guò)循環(huán)控制開(kāi)關(guān)陣列，即可測(cè)出U1～U45，累加后即可得出串聯(lián)電池組總電壓u6：

單體電池電壓累加法的ADC與電池共地，所以采集時(shí)可忽略共模電壓輸入，但該方法存在較大的累加誤差，造成總電壓漂移。為減少誤差，在實(shí)際應(yīng)用中開(kāi)關(guān)陣列采用光電繼電器，可提高采集電路的一致性[7]，有助于進(jìn)行誤差補(bǔ)償。

2 采集精度分析

2.1 離線測(cè)試

首先進(jìn)行離線測(cè)試，通過(guò)高精度電源代替電池組，以修正兩種采集方法因元器件性能問(wèn)題造成的誤差。對(duì)于差分比例運(yùn)算電路法，由于R1～R4精度限制，會(huì)影響差分電路的對(duì)稱(chēng)性，因此K需要用補(bǔ)償后比例值K′=48.11替代，以修正數(shù)據(jù)誤差，結(jié)果如表1所示。

表1 差分比例運(yùn)算電路法補(bǔ)償測(cè)試

而對(duì)于單體電池電壓累加法，由于電池?cái)?shù)量較多，逐一補(bǔ)償效率過(guò)低，沒(méi)有實(shí)際意義。

2.2 靜態(tài)測(cè)試

對(duì)兩種采集方法進(jìn)行靜態(tài)測(cè)試，在開(kāi)路情況下對(duì)電池組電壓進(jìn)行采集。斷開(kāi)電池組負(fù)載，靜置3h，此時(shí)單體磷酸鐵鋰電池電壓變化幅度小于2mV/10min，可認(rèn)為串聯(lián)電池組總電壓U在短時(shí)間內(nèi)恒定[8]，使用高精度萬(wàn)用表測(cè)量總電壓U作為參考值，對(duì)比兩種方法測(cè)量靜態(tài)電壓的精度。由于DZ60片內(nèi)ADC精度為12位，所以轉(zhuǎn)換結(jié)果保留3位有效數(shù)字。為消除隨機(jī)誤差，DZ60連續(xù)采集20次后取均方根，通過(guò)式(1)與式(2)計(jì)算出u3與u6，通過(guò)CAN發(fā)送至上位機(jī)，周期為500ms，取100次采集數(shù)據(jù)，結(jié)果如圖4所示。

圖4 靜態(tài)電壓采集對(duì)比

2.3 動(dòng)態(tài)測(cè)試

為對(duì)比兩種方法的動(dòng)態(tài)電壓的跟隨情況，通過(guò)可編程負(fù)載對(duì)串聯(lián)電池組恒阻放電1h，觀察兩種采集方法的精度。由于數(shù)據(jù)量過(guò)大，在全部7 200組采集數(shù)據(jù)中，在以30s為周期等距抽樣出120組數(shù)據(jù)樣本觀察其采集精度，結(jié)果如圖5所示。

圖5 動(dòng)態(tài)電壓采集對(duì)比

2.4 測(cè)試結(jié)果分析

通過(guò)靜態(tài)測(cè)試結(jié)果可以發(fā)現(xiàn)，差分比例運(yùn)算電路法的數(shù)據(jù)含有較大噪聲，但均方誤差小。單體電池電壓累加法相對(duì)誤差高于2%，但該方法噪聲小，在靜態(tài)測(cè)量時(shí)信號(hào)十分穩(wěn)定。

由圖5可見(jiàn)，在電池放電過(guò)程中，由于差分比例運(yùn)算電路法對(duì)總電壓直接測(cè)量，無(wú)須累加計(jì)算，故電壓采集的實(shí)時(shí)性更好，但存在噪聲過(guò)大、數(shù)據(jù)不穩(wěn)定的問(wèn)題。單體電池電壓累加法與靜態(tài)采集時(shí)結(jié)果相似，噪聲小但均方誤差大。另外，無(wú)論靜態(tài)還是動(dòng)態(tài)測(cè)試，u6的1階導(dǎo)數(shù)與U的1階導(dǎo)數(shù)更為接近，即

這說(shuō)明在采集樣本次數(shù)較多時(shí)，單體電池電壓累加法更能反映電池組總電壓的變化趨勢(shì)。

3 數(shù)據(jù)融合模型

根據(jù)前面所述，由于差分比例運(yùn)算電路法均方誤差小，而單體電池電壓累加法噪聲低，故對(duì)上述兩種方法采集到的總電壓u3和u6作為系統(tǒng)的觀測(cè)量進(jìn)行數(shù)據(jù)融合，可以使高壓采集結(jié)果獲得更高的精度。

目前，常用的數(shù)據(jù)融合模型有：①最小二乘融合，該濾波模型包括平均值法、加權(quán)平均法等，其方差有下界，故無(wú)法保證融合結(jié)果的可靠性[9-10]；②序貫式融合[11-12]，該模型時(shí)效性較高，但在觀測(cè)量之間存在較大差異時(shí)融合結(jié)果會(huì)產(chǎn)生較大波動(dòng)；③擴(kuò)維融合，該濾波模型采用多維濾波器，精度較高，但因存在多階矩陣計(jì)算，會(huì)消耗過(guò)多的系統(tǒng)資源[13]，增加使用成本；④權(quán)值融合，該模型通過(guò)條件概率配置權(quán)值，使融合結(jié)果與輸入量之間的差值達(dá)到最小，但對(duì)于二觀測(cè)量融合模型，其輸入過(guò)少，難以滿(mǎn)足樣本要求[14-15]。

針對(duì)上述融合模型的不足，本文中設(shè)計(jì)了一種基于卡爾曼濾波器的數(shù)據(jù)融合模型。當(dāng)融合模型含有兩個(gè)數(shù)據(jù)輸入時(shí)，傳統(tǒng)方法通常是使用兩個(gè)卡爾曼濾波器對(duì)數(shù)據(jù)分別濾波后再對(duì)結(jié)果進(jìn)行加權(quán)，或者通過(guò)對(duì)濾波器進(jìn)行擴(kuò)維或序貫處理。這樣操作的原因是上述方法都認(rèn)為在數(shù)據(jù)采集過(guò)程中，傳感器數(shù)據(jù)只能作為觀測(cè)量來(lái)使用?？柭鼮V波器的狀態(tài)更新方程和測(cè)量更新方程分別為

其中傳統(tǒng)方法主要對(duì)式(5)中z(k)進(jìn)行數(shù)據(jù)融合處理，如增加z(k)的維數(shù)，或者用多傳感器測(cè)量值對(duì)z(k)進(jìn)行序貫更新。同時(shí)在數(shù)據(jù)采集過(guò)程中，通常沒(méi)有控制量，所以B=0，u(k)=0。然而在實(shí)際應(yīng)用中，可使用一組傳感器數(shù)據(jù)模擬控制量，作用到狀態(tài)變量x(k｜k-1)。這樣在數(shù)據(jù)融合時(shí)，可減少濾波器實(shí)際所需的觀測(cè)量。對(duì)應(yīng)于二觀測(cè)量的融合模型中，實(shí)際濾波器所需迭代的觀測(cè)量就減少為一個(gè)，實(shí)現(xiàn)一維卡爾曼濾波融合，這樣就可減少濾波器的計(jì)算量，從而節(jié)約系統(tǒng)資源。

但需要注意的是，由于有一個(gè)觀測(cè)量去模擬控制量，即該觀察量實(shí)際并沒(méi)有參與對(duì)測(cè)量方程的更新，而是直接用于狀態(tài)方程，因此該觀測(cè)量必須能準(zhǔn)確反映被測(cè)對(duì)象的變化趨勢(shì)，同時(shí)其測(cè)量噪聲將作為過(guò)程激勵(lì)噪聲影響卡爾曼濾波器更新。因此在二觀測(cè)量融合時(shí)，選擇一個(gè)變化趨勢(shì)接近被測(cè)對(duì)象，同時(shí)用噪聲較小的觀測(cè)量來(lái)模擬卡爾曼濾波器的控制量，才能達(dá)到本文中所設(shè)計(jì)的改進(jìn)數(shù)據(jù)融合模型的最佳效果。參考圖5和式(3)可以發(fā)現(xiàn)，單體電池電壓累加法的結(jié)果u6完全符合上述條件。因此，只需對(duì)u6進(jìn)行適當(dāng)變化，使其轉(zhuǎn)換為系統(tǒng)的“控制量”，即可完成濾波融合。

對(duì)于電動(dòng)汽車(chē)BMS，其總電壓U變化曲線是連續(xù)的，即U=U(t)。但在電池管理系統(tǒng)采集總電壓時(shí)，由于單片機(jī)和AD轉(zhuǎn)換器的采樣限制，實(shí)際采集到的數(shù)據(jù)是離散的，對(duì)式(3)進(jìn)行離散化，采用單體電池電壓累加法所得到的總電壓u6應(yīng)滿(mǎn)足：

其中

式中：U(k)為電池組實(shí)際總電壓，k為采集次數(shù)。由于第k-1次采集時(shí)誤差為E，由圖4和圖5可知，u6存在較大誤差，無(wú)法直接使用，但在同一電池管理系統(tǒng)中，短時(shí)間內(nèi)采集電路應(yīng)具有相同的誤差E，所以連續(xù)兩次電壓采集數(shù)據(jù)相減可以消除誤差E。即過(guò)程模型可表示為

式中Δu6(k｜k-1)反映電池總電壓的變化趨勢(shì)，因此可以根據(jù)Δu6(k｜k-1)與U(k-1)預(yù)測(cè)當(dāng)前的實(shí)際總電壓U(k)，這樣將單體電池電壓累加法的結(jié)果u6從觀測(cè)量轉(zhuǎn)化為“控制量”，從而實(shí)現(xiàn)前面所述的對(duì)卡爾曼濾波器的降維處理；Q(k)為過(guò)程激勵(lì)噪聲協(xié)方差，可認(rèn)為是單體電池電壓累加法的測(cè)量噪聲，參見(jiàn)圖4和圖5可知，Q(k)對(duì)結(jié)果影響較小，在系統(tǒng)資源緊張的情況下可以忽略。

卡爾曼濾波融合的測(cè)量模型參考差分比例運(yùn)算電路法采集結(jié)果。同樣，測(cè)量過(guò)程是離散的，采集結(jié)果u3直接反映總電壓，因此測(cè)量模型可表示為

式中R為測(cè)量噪聲協(xié)方差，參見(jiàn)圖4，差分比例運(yùn)算電路法噪聲較大，R不可忽略。

根據(jù)上述狀態(tài)模型與測(cè)量模型，即可進(jìn)行狀態(tài)與測(cè)量的迭代更新。將模型代入卡爾曼濾波器狀態(tài)更新方程(4)與測(cè)量更新方程(5)，對(duì)于式(8)和式(9)中U(k)應(yīng)用濾波器輸出u7(k)替代。狀態(tài)變量x(k｜k)為第k次融合的結(jié)果，即x(k｜k)= u7(k)。由于測(cè)量系統(tǒng)狀態(tài)變量直接反映測(cè)試結(jié)果，所以系統(tǒng)參數(shù)A，B和H為1。控制量u(k-1)參考前面所述由u6進(jìn)行轉(zhuǎn)化，將式(8)代入式(4)可得u(k-1)=Δu6(k｜k-1)。觀測(cè)變量z(k)= u3(k)。對(duì)狀態(tài)更新方程與測(cè)量更新方程進(jìn)行迭代，使x(k｜k)快速收斂至最小方差，這樣數(shù)據(jù)融合后的結(jié)果u7(k)比u3(k)和u6(k)將更接近當(dāng)前實(shí)際總電壓U(k)。

通過(guò)上述濾波模型，可在系統(tǒng)存在兩個(gè)觀測(cè)量時(shí)，通過(guò)將單體電池電壓累加法的結(jié)果轉(zhuǎn)化為控制量，差分比例運(yùn)算電路法的結(jié)果作為觀測(cè)量，最終實(shí)現(xiàn)一維卡爾曼濾波器對(duì)兩個(gè)觀測(cè)量的融合。

4 仿真與測(cè)試

參照第2節(jié)的實(shí)驗(yàn)數(shù)據(jù)，對(duì)卡爾曼濾波融合模型進(jìn)行性能仿真。首先，對(duì)實(shí)驗(yàn)數(shù)據(jù)分析可得靜態(tài)測(cè)量噪聲協(xié)方差R，同時(shí)忽略過(guò)程噪聲Q(k)的影響。確定卡爾曼濾波融合模型參數(shù)后，使用第2節(jié)所述差分比例運(yùn)算電路法與單體電池電壓累加法測(cè)試結(jié)果u3與u6作為濾波模型的輸入。在靜態(tài)電壓下，融合結(jié)果u7如圖6所示。

對(duì)比圖4可以發(fā)現(xiàn)，在靜態(tài)測(cè)試中，濾波融合后的結(jié)果u7修正了u6的累加誤差，并且在u3噪聲較大的情況下，依然能快速收斂。圖6中u7曲線幾乎與實(shí)際總電壓U重合，均方誤差小于0.083%。

動(dòng)態(tài)電壓融合結(jié)果如圖7所示。由圖可見(jiàn)，動(dòng)態(tài)測(cè)試中，u7同樣能快速收斂至U，表現(xiàn)出對(duì)總電壓良好的跟隨性，并隨迭代次數(shù)的增加不斷修正采集誤差。由于卡爾曼濾波器是通過(guò)迭代來(lái)減少均方差，所以收斂時(shí)間應(yīng)該參考迭代次數(shù)。圖7中u7在經(jīng)過(guò)60次的迭代就已和U重合，縮短采集周期，可在短時(shí)間內(nèi)達(dá)到較好的采集效果。

圖6 靜態(tài)電壓融合

圖7 動(dòng)態(tài)電壓融合

將第1節(jié)所述BMS移植到純電動(dòng)汽車(chē)實(shí)驗(yàn)平臺(tái)上，如圖8所示，以進(jìn)一步驗(yàn)證本方法在動(dòng)態(tài)充放電工況中的有效性。該平臺(tái)是基于比亞迪F0改裝的純電動(dòng)汽車(chē)實(shí)驗(yàn)平臺(tái)。采用45節(jié)磷酸鐵鋰串聯(lián)電池組，額定總電壓144V，電機(jī)額定功率10kW。在該平臺(tái)上進(jìn)行1組動(dòng)態(tài)充電工況實(shí)驗(yàn)和1組動(dòng)態(tài)放電工況實(shí)驗(yàn)，每組實(shí)驗(yàn)前動(dòng)力電池組均靜置3h。

圖8 純電動(dòng)汽車(chē)實(shí)驗(yàn)平臺(tái)和直流穩(wěn)定電源

第1組實(shí)驗(yàn)采用直流穩(wěn)定電源以5A對(duì)動(dòng)力電池組恒流充電1h，采集數(shù)據(jù)的處理方式與前面相同。實(shí)驗(yàn)結(jié)果如圖9和圖10所示。

第2組實(shí)驗(yàn)采用電機(jī)對(duì)動(dòng)力電池組進(jìn)行恒功率放電，放電時(shí)間為1h。實(shí)驗(yàn)結(jié)果如圖11和圖12所示。

上述2組動(dòng)態(tài)充放電工況實(shí)驗(yàn)結(jié)果驗(yàn)證了本方法的融合結(jié)果u7均可以在較少的迭代次數(shù)下完成對(duì)U的收斂，而且采集數(shù)據(jù)的精度高于差分比例運(yùn)算電路法的采集結(jié)果u3和單體電池電壓累加法的采集結(jié)果u6。因此，本方法在不同工況下均具有較高的穩(wěn)定性和精度。

圖9 動(dòng)態(tài)充電工況電壓采集對(duì)比

圖10 動(dòng)態(tài)充電工況電壓融合結(jié)果

圖11 動(dòng)態(tài)放電工況電壓采集對(duì)比

圖12 動(dòng)態(tài)放電工況電壓融合結(jié)果

5 結(jié)論

本文中對(duì)電動(dòng)汽車(chē)串聯(lián)電池組高壓采集方法進(jìn)行研究，分析了現(xiàn)有采集方法的不足，提出了一種基于卡爾曼濾波器的新型高壓采集方法。該采集方法改進(jìn)了傳統(tǒng)卡爾曼濾波狀態(tài)模型與測(cè)量模型，將電池電壓累加法作為系統(tǒng)的控制量，差分比例運(yùn)算電路法作為觀測(cè)量，在一維條件下實(shí)現(xiàn)上述兩種采集方法的融合。實(shí)驗(yàn)結(jié)果表明，該采集方法結(jié)果比原有方法有更高的采集精度和信噪比，而比其他高精度高壓采集方法有更低的成本和更高的穩(wěn)定性，對(duì)提升電動(dòng)汽車(chē)BMS性能具有重要的意義。

[1] 周晨.電動(dòng)汽車(chē)BMS中高壓檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].合肥：合肥工業(yè)大學(xué)，2013.

[2] 李樹(shù)靖，林凌，李剛.串聯(lián)電池組電池電壓測(cè)量方法的研究[J].儀器儀表學(xué)報(bào)，2003，24(4)：212-215.

[3] 張彩萍，張承寧，李軍求.電動(dòng)車(chē)輛動(dòng)力電池組電壓采集電路設(shè)計(jì)[J].電氣應(yīng)用，2007，26(12)：91-93.

[4] 徐國(guó)金，吳健，溫家鵬，等.基于誤差分析的電池組高精度測(cè)量系統(tǒng)的設(shè)計(jì)[J].儀器儀表學(xué)報(bào)，2013，34(9)：1989-1996.

[5] 南金瑞，孫逢春，王建群.純電動(dòng)汽車(chē)電池管理系統(tǒng)的設(shè)計(jì)及應(yīng)用[J].清華大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007，47(S2)：1831-1834.

[6] 劉曉康，詹瓊?cè)A，何葵，等.電動(dòng)汽車(chē)用電池管理系統(tǒng)的研究[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007，35(8)：83-86.

[7] 蔣新華，雷娟，馮毅，等.串聯(lián)電池組電壓測(cè)量的新方法[J].儀器儀表學(xué)報(bào)，2007，28(4)：734-737.

[8] 李哲.純電動(dòng)汽車(chē)磷酸鐵鋰電池性能研究[D].北京：清華大學(xué)，2011.

[9] 岳元龍，左信，羅雄麟.提高測(cè)量可靠性的多傳感器數(shù)據(jù)融合有偏估計(jì)方法[J].自動(dòng)化學(xué)報(bào)，2014，40(9)：1843-1852.

[10] 牛勝鎖，梁志瑞，張建華，等.基于廣義嶺估計(jì)的電力系統(tǒng)諧波狀態(tài)估計(jì)[J].電力自動(dòng)化設(shè)備，2012，32(7)：94-98.

[11] 馬麗麗，張曼，陳金廣.多傳感器集中式增量卡爾曼濾波融合算法[J].計(jì)算機(jī)工程與應(yīng)用，2014，50(11)：229-255.

[12] 馮肖亮，文成林，劉偉峰，等.基于多傳感器的序貫式融合有限域H∞濾波方法[J].自動(dòng)化學(xué)報(bào)，2013，39(9)：1523-1532.

[13] 余安喜，胡衛(wèi)東，周文輝.多傳感器量測(cè)融合算法的性能比較[J].國(guó)防科技大學(xué)學(xué)報(bào)，2003，25(6)：39-44.

[14] 任光，劉軍，朱利民.并行多參考模型卡爾曼濾波系統(tǒng)仿真研究[J].系統(tǒng)仿真學(xué)報(bào)，2000，12(6)：660-663.

[15] 魏克新，陳峭巖.基于多模型自適應(yīng)卡爾曼濾波器的電動(dòng)汽車(chē)電池荷電狀態(tài)估計(jì)[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，32(31)：19-26.

A High-voltage Collection Approach for Electric Vehicles Based on Data Fusion

Shao Shiping，Huang Juhua＆Cao Ming
School of Mechanical＆Electrical Engineering，Nanchang University，Nanchang330031

High voltage collection is one of the primary task of battery management system(BMS)in electric vehicle(EV).The accuracy and stability of high-voltage collection are of important significance for the estimation of SOC and SOH by BMS and the safety management of power batteries.In this paper，a high voltage collection method is proposed based on multi-sensor fusion and Kalman filter.Firstly，two existing approaches of high-voltage collection are fused to tackle the error and noise issues of total voltage data collection.Then fusion model and Kalman filter are modified and improved and the complex calculation in data fusion is simplified.Finally it is demonstrated by experiments that the high-voltage collection method proposed has higher accuracy and stability.

EV；high-voltage collection；Kalman filter；data fusion

原稿收到日期為2015年12月10日，修改稿收到日期為2016年3月7日。

曹銘，講師，E-mail：172022712＠qq.com。

10.19562/j.chinasae.qcgc.2017.02.013