学位论文 > 优秀研究生学位论文题录展示

基于人工神经网络的镍氢电池智能充电研究

作　者: 陈晓旭
导　师: 钟洪声
学　校: 电子科技大学
专　业: 电路与系统
关键词: 镍氢电池神经网络模糊控制模糊神经网络智能充电单片机
分类号: TM912
类　型: 硕士论文
年　份: 2011年
下　载: 60次
引　用: 0次
阅　读: 论文下载

内容摘要

随着电子技术的飞速发展,电能的存储在日常生活中的作用越来越大。如能将它使用于汽车上,不仅能解决汽车的能源问题,还能减少废气排放和减缓温室效应。因此,电动汽车将成为世界各国汽车工业的发展方向。而能存储电能的蓄电池主要有铅酸蓄电池、镍氢蓄电池、锂离子蓄电池几种。比较几种蓄电池,以镍氢电池具有比能量高、循环寿命长、适合大电流放电、无污染、不易爆炸等优异综合性能,成为电动汽车用蓄电池的首选。本文在现有文献的基础上,引入神经网络及模糊控制技术对电动汽车用镍氢电池快速无损充电问题进行了深入研究。针对现阶段电动汽车充电时间长的问题,提出电动汽车的充电采取快速充电站、中速充电站、家庭慢速充电相结合的方式。中速充电站即充电站与公共停车场相结合,主要解决因快速充电未充满而造成电池容量下降的问题,同时将模糊控制用于中速充电站控制中,实现在0.5到1.5小时,冲入额定电量的30%到70%。如停车时间长,可在5小时将电池充满。研究了MH-Ni蓄电池的充电特性。考虑到BP神经网络收敛速度慢,存在局部极小点等问题,本论文采用RBF神经网络可以以任意精度逼近任意函数的优点,建立了镍氢蓄电池的充电过程近似模型,同样针对RBF隐含层节点数和相应的数据中难以确定的设计难点,提出了一种有效的神经网络优化算法:首先利用动态最近邻聚类学习算法来调节隐含层节点的数目并初定中心,然后采用优化方法进行数据中心,输出权值和阈值的优化。经实验仿真验证,表明该方法能产生精确的预测效果。最后,将神经网络与模糊控制相结合,设计出了模糊神经网络控制器,用于对MH-Ni蓄电池模型进行智能充电。经仿真验证该方法能在较短的时间完成充电后期的充电过程。根据以上模糊控制方法为基础,设计了一套基于单片机MSP430F169的单相充电实验装置,在充电第四阶段采集镍氢蓄电池的端电压、充电电流信息,其中电压信息经二维模糊控制器分析处理,通过查询模糊控制表,得出相应的电流变化等级,计算下一阶段的电流,然后由MSP430F169输出调整后的PWM波,控制场效应管的通断,通过改变输出直流电压来控制充电电流。完成相应硬件与软件的设计,并进行测试,经测试能在不对电池造成损害的情况下,能在4个小时将电池充满,比恒流/恒压充电方式节约大概20分钟,具有较高智能。

全文目录

摘要  4-6
ABSTRACT  6-11
第一章绪论  11-15
  1.1 引言  11
  1.2 蓄电池分类  11-13
  1.3 镍氢电池的发展状况  13-14
  1.4 充电电源发展状况  14
  1.5 本文主要内容  14-15
第二章镍氢电池充电理化机理研究  15-18
  2.1 镍氢电池的工作原理  15-16
  2.2 镍氢电池的充电特性  16
  2.3 镍氢电池极化现象分析  16-17
  2.4 本章小结  17-18
第三章神经网络与模糊控制理论  18-29
  3.1 神经网络理论基础  18-19
    3.1.1 概念  18
    3.1.2 神经网络的分类  18-19
    3.1.3 神经网络的学习方式  19
  3.2 RBF 神经网络理论基础  19-22
    3.2.1 RBF 神经网络结构  19-21
    3.2.2 RBF 神经网络的学习  21-22
  3.3 模糊控制理论  22-25
    3.3.1 模糊集合的定义  22
    3.3.2 模糊算子  22-23
    3.3.3 模糊控制器的设计  23-25
  3.4 模糊神经网络结构及其算法  25-28
    3.4.1 模糊神经网络结构  25-26
    3.4.2 模糊神经网络的学习算法  26-28
  3.5 本章小结  28-29
第四章智能充电器设计及理论  29-49
  4.1 智能充电理论基础  29-30
  4.2 现有充电方法的综述与分析  30-33
  4.3 镍氢电池智能充电原理  33-43
    4.3.1 充电速率的定义  34-35
    4.3.2 现阶段电动汽车存在的主要问题  35-36
    4.3.3 拟采用的充电方式  36
    4.3.4 中速智能充电器设计  36-40
    4.3.5 实验电池参数及充电控制技术  40-43
      4.3.5.1 技术指标  40-42
      4.3.5.2 终止快速充电方法  42-43
  4.4 镍氢电池充电模型建立  43-48
    4.4.1 本文采用的RBF 神经网络结构  44
    4.4.2 RBF 神经网络算法优化  44-46
      4.4.2.1 设置隐含层节点数和初定中心  44-46
      4.4.2.2 优化数据中心、输出权值和阈值  46
    4.4.3 仿真与应用  46-48
      4.4.3.1 训练网络  46-47
      4.4.3.2 网络的测试  47-48
  4.5 本章小结  48-49
第五章模糊神经网络训练及智能充电器设计  49-62
  5.1 模糊神经网络控制器  49-52
    5.1.1 模糊神经网络控制器类型选择  49-50
    5.1.2 模糊神经网络控制器论域的量化  50-51
    5.1.3 模糊神经网络控制器的仿真  51-52
  5.2 模糊神经网络控制器与神经网络模型的应用过程  52-53
  5.3 建立模糊控制查询表  53-54
  5.4 镍氢电池智能充电系统硬件设计  54-61
    5.4.1 系统组成框图  54-55
    5.4.2 冲宽度调制PWM 控制电路设计  55-56
    5.4.3 电流检测电路设计  56
    5.4.4 电压检测电路设计  56-57
    5.4.5 电池过压保护电路设计  57
    5.4.6 输入欠压保护电路设计  57-58
    5.4.7 系统电源电路设计  58
    5.4.8 系统主控电路及显示电路设计  58-60
    5.4.9 系统整机电路  60-61
  5.5 本章小结  61-62
第六章镍氢电池智能充电装置软件设计  62-74
  6.1 系统流程图及主程序设计  62-68
  6.2 智能充电流程图及程序设计  68-70
  6.3 恒流充电程序设计  70
  6.4 恒压充电程序设计  70-71
  6.5 系统显示程序设计  71-73
  6.7 本章小结  73-74
第七章实验结果分析及总结  74-81
  7.1 软硬件充电测试  74-77
  7.2 实验参数优化后再测试  77-78
  7.3 对比测试  78-80
  7.4 本章小结  80-81
总结  81-82
展望  82-83
致谢  83-84
参考文献  84-86
攻硕期间取得的研究成果  86-87

基于人工神经网络的镍氢电池智能充电研究

内容摘要

全文目录

相似论文