行之知识产权综合服务平台

技术领域

本申请总体上涉及牵引电池模型参数识别。

背景技术

混合动力电动车辆和纯电动车辆依靠牵引电池来提供用于推进车辆的动 力。为了确保车辆的优化操作，可监测牵引电池的各种特性。一个有用的特 性是：电池功率容量，指示电池在给定的时间可以供应多少电力或者可以吸 收多少电力。另一个有用的特性是：电池荷电状态，指示在电池中储存的电 荷的量。对于在充电/放电、将电池保持在安全的操作极限内以及使电池单元 平衡期间控制电池的操作而言，电池特性是重要的。

可以直接或间接测量电池特性。可以利用传感器直接测量电池电压和电 流。其他的电池特定可能需要首先估计电池的一个或更多个参数。被估计的 参数可包括与牵引电池相关联的电阻、电容以及电压。接着，可从所估计的 电池参数中计算出电池特性。包括实现卡尔曼滤波器模型来递归地估计模型 参数的许多现有技术方案适用于估计电池参数。

发明内容

一种用于车辆的动力传动系控制系统包括：至少一个控制器，被配置为： 在电池功率需求大致恒定的时间段期间，在不影响车辆的加速度的情况下， 使频率分量幅度中的至少一个超出预定幅值，其中，在所述时间段期间，电 池功率需求的预定范围的频率分量的幅度小于预定幅值。频率分量幅度中的 所述至少一个的数量可比将被估计的电池参数的数量的一半大。所述至少一 个控制器还可被配置为：使频率分量幅度中的所述至少一个超出所述预定幅 值持续预定时间段。所述预定范围和预定幅值可由牵引电池阻抗参数限定。 所述至少一个控制器还可被配置为：通过控制发动机功率输出与电机功率输 出之间的功率分配，使频率分量幅度中的所述至少一个超出所述预定幅值。 所述至少一个控制器还可被配置为：通过控制由电力负载消耗的功率，使频 率分量幅度中的所述至少一个超出所述预定幅值。所述至少一个控制器还可 被配置为：通过控制电机功率输出并操作车轮制动器而补偿电机功率输出的 变化，使频率分量幅度中的所述至少一个超出所述预定幅值。

一种控制车辆的方法包括：在电池功率需求大致恒定的时间段期间，在 不影响车辆的加速度的情况下，操作至少一个电力组件，使频率分量幅度中 的至少一个超出预定幅值，从而激励牵引电池以估计参数，其中，在所述时 间段期间，电池功率需求的预定范围的频率分量的幅度小于所述预定幅值。 所述至少一个电力组件可以是被构造为消耗功率的电力负载。所述至少一个 电力组件可以是电机。所述方法还可包括：在发动机与电机之间分配功率以 满足车轮功率需求，并且基于功率的分配而操作发动机和电机。所述至少一 个电力组件是电机。所述方法还可包括：当在超出车轮功率需求的功率水平 下操作电机时，操作至少一个车轮制动器，以减小车轮功率。

一种车辆包括：牵引电池；至少一个控制器，被配置为：估计牵引电池 的N个参数，并且在电池功率需求的预定范围的频率分量的幅度小于预定幅 值的时间段期间，在不影响车辆的加速度的情况下，使多于N/2个的频率分 量幅度超出所述预定幅值，从而激励牵引电池，以进行参数估计。所述车辆 还可包括电机，所述至少一个控制器还可被配置为：通过控制电机的功率输 出，使多于N/2个的频率分量幅度超出所述预定幅值。所述车辆还可包括发 动机，所述至少一个控制器还可被配置为：在不影响功率输出的量的情况下， 控制发动机，以满足车轮功率需求。所述车辆还可包括至少一个车轮制动器， 所述至少一个控制器还可被配置为：通过控制所述至少一个车轮制动器，以 补偿电机的功率输出的变化。所述车辆还可包括电力负载，所述至少一个控 制器还可被配置为：控制由电力负载消耗的功率，以使多于N/2个的频率分 量幅度超出所述预定幅值。所述预定范围和预定幅值可由牵引电池阻抗参数 限定。所述至少一个控制器还可被配置为：响应于与牵引电池相关联的温度 低于预定温度，使多于N/2个的频率分量幅度超出所述预定幅值。所述至少 一个控制器还可被配置为：响应于牵引电池的荷电状态处于预定范围内，使 多于N/2个的频率分量幅度超出所述预定幅值。所述至少一个控制器还可被 配置为：响应于检测到电池功率需求大致恒定的时间段，使多于N/2个的频 率分量幅度超出所述预定幅值。

附图说明

图1是示出了典型的动力传动系和能量储存组件的混合动力车辆的示意 图。

图2是示出了包括多个电池单元且由电池控制模块监测与控制的可能的 电池组布置的示意图。

图3是示例性的电池单元等效电路的示意图。

图4是示出了针对典型的电池单元的可能的开路电压(Voc，open-circuit  voltage)与电池荷电状态(SOC，state of charge)的关系的曲线图。

图5是结合牵引电池的主动激励(active excitation)来计算电池容量的 可能的方法的流程图。

图6是利用牵引电池的主动激励来估计电池参数的可能的方法的流程 图。

图7是描绘了用于描述牵引电池的主动激励的可能的功率流的示意图。

图8是利用牵引电池的主动激励来执行单元平衡的可能的方法的流程 图。

具体实施方式

在此描述了本公开的实施例。然而，应理解的是，所公开的实施例仅为 示例，并且其它实施例可以以多种和替代形式实施。附图不一定按比例绘制； 可放大或缩小一些特征以示出特定组件的细节。因此，在此所公开的具体结 构和功能性细节不应解释为限制，而仅为用于教导本领域技术人员多样地采 用本发明的代表性基础。如本领域的普通技术人员将理解的是，参照任一附 图示出和描述的多个特征可与一个或更多个其它附图中示出的特征相组合， 以产生未明确示出或描述的实施例。示出的特征的组合提供用于典型应用的 代表性实施例。然而，与本公开的教导一致的特征的多种组合和修改可被期 望用于特定应用或实施方式。

图1描绘了典型的插电式混合动力电动车辆(HEV)。典型的插电式混合 动力电动车辆12可包括机械地连接至混合动力变速器16的一个或更多个电 机14。电机14可能够作为电动机或发电机而操作。此外，混合动力变速器 16机械地连接至发动机18。混合动力变速器16还机械地连接至驱动轴20， 驱动轴20机械地连接至车轮22。当发动机18开启或关闭时，电机14可提 供推进力或减速能力。电机14也用作发电机，并且可通过回收在摩擦制动系 统中通常将作为热损失掉的能量而提供燃料经济性效益。通过允许发动机18 在更高效的转速下运转并允许混合动力电动车辆12在发动机18在特定状况 下关闭时按照电动模式运转，电机14还可以提供减少车辆排放物。

牵引电池或电池组24储存可以由电机14使用的能量。车辆电池组24 通常提供高压直流(DC)输出。牵引电池24可通过一个或更多个接触器42电 连接至一个或更多个电力电子模块(power electronics module)26。当一个或更 多个接触器42断开时，可使牵引电池24与其他组件隔绝；当一个或更多个 接触器42闭合时，可使牵引电池24连接到其他组件。电力电子模块26还电 连接至电机14，并且提供在牵引电池24与电机14之间双向传输能量的能力。 例如，典型的牵引电池24可以提供DC电压，而电机14可能需要三相交流 (AC)电流来运转。电力电子模块26可以将DC电压转换为电机14所需要的 三相AC电流。在再生模式下，电力电子模块26可将来自用作发电机的电机 14的三相AC电流转换为牵引电池24所需要的DC电压。在此进行的描述同 样可应用于纯电动车辆。对于纯电动车辆，混合动力变速器16可以是连接至 电机14的齿轮箱，并且可不存在发动机18。

牵引电池24除了提供用于推进的能量之外，还可以提供用于其它的车辆 电气系统的能量。典型的系统可包括将牵引电池24的高压DC输出转换为与 其它的车辆负载兼容的低压DC电源的DC/DC转换器模块28。其它高压负载 (诸如压缩机和电加热器)可直接连接至高压，而不需要使用DC/DC转换器模 块28。低压系统电连接至辅助电池30(例如，12V电池)。

车辆12可以是电动车辆或插电式混合动力车辆，在所述车辆中可以通过 外部电源36对牵引电池24进行再充电。外部电源36可以连接到电插座。外 部电源36可以电连接至电动车辆供应设备(EVSE)38。EVSE 38可提供电路， 并进行控制以调节并管理在外部电源36与车辆12之间的能量传输。外部电 源36可以向EVSE 38提供DC或AC电力。EVSE 38可以具有充电连接器 40，充电连接器40用于插入到车辆12的充电端口34中。充电端口34可以 是被配置为从EVSE 38向车辆12传输电力的任何类型的端口。充电端口34 可以电连接至充电器或车载电力转换模块32。电力转换模块32可以调节从 EVSE 38供应的电力，以向牵引电池24提供适合的电压和电流水平。电力转 换模块32可以与EVSE 38进行接口连接，以协调将电力传输至车辆12。EVSE 连接器40可具有引脚，所述引脚与充电端口34的相对应的凹陷紧密配合。 可选地，被描述为电连接的多个组件可利用无线感应耦合来传输电力。

可以设置一个或更多个车轮制动器44，以用于对车轮12减速并防止车 辆12的移动。车轮制动器44可以液压致动、电致动或其特定组合。车轮制 动器44可以是制动系统50的一部分。制动系统50可包括操作车轮制动器 44所需的其他组件。为了简化，附图仅描绘了车轮制动器44中的一个与制 动系统50之间的单个连接(single connection)。暗含了制动系统50与其他车 轮制动器44之间的连接。制动系统50可包括控制器，以监测并调节制动系 统50。制动系统50可监测制动组件并控制车轮制动器44，以实现期望的操 作。制动系统50可对驾驶者命令做出响应，并且可以自主操作，以实现诸如 稳定控制的功能。制动系统50的控制器可实现一种在另一控制器或子功能请 求制动力时施加所请求的制动力的方法。

一个或更多个电力负载46可连接至高压总线。电力负载46可具有相关 联的控制器，所述控制器用于在适当时操作电力负载46。电力负载46的示 例可以是加热模块或空调模块。

所讨论的各种组件可具有一个或者更多个相关联的控制器，以控制并监 测组件的操作。控制器可经由串行总线(例如，控制器局域网(CAN))或经由离 散的导体进行通信。此外，可存在系统控制器48，以调节各种组件的操作。

可以通过多种化学配方构建牵引电池24。典型的电池组的化学成分可以 是铅酸、镍金属氢化物(NIMH)或锂离子。图2示出了N个电池单元72简单 串联配置的典型的牵引电池组24。然而，其它电池组24可由任何数量的单 独的电池单元按照串联或并联或它们的特定组合连接而组成。典型的系统可 具有一个或更多个控制器(诸如用于监测并控制牵引电池24的性能的电池能 量控制模块(BECM)76)。BECM 76可以监测多个电池组水平特性(诸如电池 组电流78、电池组电压80以及电池组温度82)。BECM 76可具有非易失性存 储器，使得当BECM 76处于关闭状态时，数据也可被保留。所保留的数据可 以在下一个点火循环时被使用。

除了测量和监测电池组水平特性外，还可测量和监测电池单元72的水平 特性。例如，可以测量每个单元72的端电压(terminal voltage)、电流和温度。 系统可使用传感器模块74来测量电池单元72的特性。根据性能，传感器模 块74可以测量一个或多个电池单元72的特性。电池组24可利用多达Nc个 传感器模块74来测量所有电池单元72的特性。每个传感器模块74可将测量 值传输至BECM 76，以进行进一步处理和协调。传感器模块74可将模拟形 式或数字形式的信号传输至BECM 76。在一些实施例中，传感器模块74的 功能可以被集成到BECM 76中。即，传感器模块74的硬件可以被集成作为 BECM 76中的电路的一部分，并且BECM 76可以进行原始信号的处理。

计算电池组的各种特性将会是有用的。诸如电池功率容量和电池荷电状 态的量可有用于控制电池组以及从电池组接收电力的任何电负载的操作。电 池功率容量是电池能够提供的功率的最大量或者电池可以接收的功率的最大 量的测量值。得知电池功率容量，以管理电负载，使得所请求的功率在电池 能够处理的极限内。

电池组荷电状态(SOC)给出电池组中剩余多少电荷的指示。电池组SOC 可以是通知驾驶者在电池组中剩余多少电荷的输出(类似于燃料计)。电池组 SOC也可用于控制电动车辆或混合动力电动车辆的操作。可以通过多种方法 来实现电池组SOC的计算。计算电池SOC的一种可能的方法是：执行电池 组电流关于时间的积分。这是本领域公知的安培-小时积分。这一方法的一个 可能的缺点是：电流测量可能存在噪声。由于这一噪声信号关于时间的积分 而可能导致荷电状态的可能的不准确。

电池单元可被建模为电路。图3示出了一个可能的电池单元等效电路模 型(ECM)。电池单元可被建模为电压源(V_oc)100，电压源(V_oc)100具有相关联 的电阻(102和104)和电容106。V_oc 100表示电池的开路电压。所述模型包括 内电阻r₁102、电荷转移电阻r₂104和双电层电容C 106。电压V₁112是由于 电流114流经电路所引起的内电阻r₁102两端的电压降。电压V₂110是由于 电流114流经r₂104和C 106的并联组合所引起的所述并联组合两端的电压 降。电压V_t 108是电池的端子之间的电压(端电压)。

由于电池单元阻抗，所以端电压V_t 108可不与开路电压V_oc 100相同。 开路电压V_oc 100不容易被测量，而只有电池单元的端电压108易于被测量。 当在足够长的时间段内没有电流114流动时，端电压108可与开路电压100 相同。需要足够长的时间段来使电池的内部动态达到稳定状态。当电流114 流动时，V_oc 100不能被容易地测量，并且需要基于电路模型来推测V_oc 100 的值。阻抗参数r₁、r₂和C的值可能是已知的或未知的。所述参数的值可取 决于电池的化学特性。

对于典型的锂离子电池单元来说，SOC与开路电压(V_oc)之间存在使得 V_oc＝f(SOC)的关系。图4示出了作为SOC的函数的开路电压V_oc的典型的曲 线124。可以从电池特性的分析或者从电池单元的测试来确定SOC与V_oc之 间的关系。所述函数可以使得SOC可被计算为f^-1(V_oc)。可以通过控制器内的 查找表或等效方程式实现所述函数或反函数。曲线124的精确形状可基于锂 离子电池的特定配方而变化。电压V_oc可随着电池充电和放电的结果而变化。 项“df(soc)/dsoc”表示曲线124的斜率。

电池参数估计

电池阻抗参数r₁、r₂和C的值可随着电池的操作状况而变化。所述值可 作为电池温度的函数而变化。例如，电阻值r₁和r₂可随着温度升高而减小， 电容C可随着温度升高而增大。所述值也可取决于电池的荷电状态。

电池阻抗参数r₁、r₂和C的值也可随着电池的使用寿命而变化。例如， 在电池的使用寿命期间，电阻值可增大。在电池的使用寿命期间，电阻的增 大可以变化而作为温度和荷电状态的函数。较高的电池温度会导致电池电阻 随着时间而较大的增加。例如，在一段时间内，在80℃下操作的电池的电阻 会比在50℃下操作的电池的电阻增大更多。在恒定温度下，在50％荷电状态 下操作的电池的电阻会比在90％荷电状态下操作的电池的电阻增大更多。这 些关系可依靠电池化学特性。

利用电池阻抗参数的恒定值的车辆动力率系统可能不准确地计算其他电 池特性(诸如荷电状态)。实际上，可期望在车辆操作期间估计阻抗参数值， 从而连续地分析参数的变化。可利用模型来估计电池的各种阻抗参数。

所述模型可以是图3中的等效电路模型。所述等效电路模型的控制方程 可书写如下：

V · 2 = - 1 r 2 C V 2 + 1 C * i - - - ( 1 ) ]]>

V_t＝V_oc-V₂-r₁*i   (2)

V · oc = - d V oc dSOC ηI Q - - - ( 3 ) ]]>

其中，Q是电池容量，η是充电/放电效率，i是电流，是V₂基于时间 的导数，是V_oc基于时间的导数，dVoc/dSOC是Voc基于SOC的导数。

联立等式(1)至等式(3)，产生下面的等式：

d V oc dt d V 2 dt = 0 0 0 - 1 C * r 2 * V oc V 2 + - d V oc dSOC Q * η 1 C * i - - - ( 4 ) ]]>

V t ( t ) = 1 - 1 * V oc V 2 + [ - r 1 ] * i - - - ( 5 ) ]]>

等式(4)和等式(5)的观测器可表示如下：

d V ^ oc dt d V ^ 2 dt = 0 0 0 - 1 C * r 2 * V ^ oc V ^ 2 + - d V ^ oc dSOC Q * η 1 C * i + L * ( V t ( t ) - V ^ t ( t ) ) - - - ( 6 ) ]]>

V ^ t ( t ) = 1 - 1 * V ^ oc V ^ 2 + [ - r 1 ] * i - - - ( 7 ) ]]>

其中，V_t(t)是测量的电池单元端电压，是电池单元端电压的估计值， 是电池单元开路电压的估计值，是电容元件两端的电压的估计值，L 是所选择的在所有的状况下使动态误差稳定的增益矩阵。

上面的模型提供了开路电压和ECM的电容网两端的电压的估计。如果 观测误差接近于零，则可认为估计值足够准确。上面的模型依靠阻抗参数值 (诸如r₁、r₂和C)。为了使模型准确，需要知道具有足够准确度的参数值。 由于所述参数值可随着时间变化，所以可期望估计所述参数值。

从上面得到的电池参数获得模型的可能的表达式可如下：

[ V oc ( t ) - V t ( t ) ] = d V t ( t ) dt - d V oc ( t ) dt i ( t ) di ( t ) dt * r 2 * C r 1 + r 2 r 1 * r 2 * C - - - ( 8 ) ]]>

基于卡尔曼滤波器的递归参数估计方案可用于估计等式(6)和等式(7) 的观测器的阻抗参数(r₁、r₂和C)。这些参数的离散形式可被表达为系统状 态的函数，如下所示：

[ ( V oc ( k ) - V ( k ) ) ] = T s 2 ( ( V t ( k ) - V oc ( k ) ) - ( V t ( k - 1 ) - V oc ( k - 1 ) ) ) i ( k ) T s 2 * ( i ( k ) + i ( k - 1 ) ) * r 2 * C r 1 + r 2 r 1 * r 2 * C - - - ( 9 ) ]]>

可通过将等式(8)表示为下面的形式来实现卡尔曼滤波器递归参数估计：

Y(k)＝Φ^T(k)*Θ(k)   (10)

其中，Φ称为回归量，Θ是参数矢量。

接着，可通过下面的等式来表示卡尔曼滤波器估计方案：

Θ ^ ( k + 1 ) = Θ ^ ( k ) + K ( k ) * ( Y ( k + 1 ) - Φ T ( k ) * Θ ^ ( k ) ) - - - ( 11 ) ]]>

K(k+1)＝Q(k+1)*Φ(k+1)   (12)

Q ( k + 1 ) = P ( k ) R 2 + ( Φ T ( k + 1 ) * P ( k ) * Φ ( k + 1 ) ) - - - ( 13 ) ]]>

P ( k + 1 ) = P ( k ) + R 1 - P ( k ) * Φ ( k ) * Φ T ( k ) * P ( k ) R 2 + ( Φ T ( k + 1 ) * P ( k ) * Φ ( k + 1 ) ) - - - ( 14 ) ]]>

其中，是从等式(8)得到的参数的估计值，K、Q和P是如 示计算得到的，R₁和R₂是恒量。在利用卡尔曼滤波器算法计算参数之后，可 在等式(6)和等式(7)中利用所述参数，以获得状态变量的估计值。一旦 估计了Voc，则可以根据图4来确定SOC的值。也可以利用其它参数估计方 案，诸如最小二乘估计。

上面的参数估计需要Voc的值。可以从等式(3)计算Voc。当在电池休 眠之后点火循环开始时，可以认为端电压和开路电压是相同的。端电压的测 量值可用作Voc的起始值。接着，可利用等式(3)来估计作为电流的函数的 开路电压。一旦得到相当准确的参数估计值，则可以使用从等式(6)和等式 (7)中推导出的开路电压估计值。

一个可能的模型可考虑电流(i)作为输入，电压(V₂)作为状态，项(V_oc– V_t)作为输出。电池阻抗参数(r₁、r₂和C)或其多种组合可被看作将要被识 别的状态。一旦识别了电池ECM参数和其它未知量，就可以基于电池电压和 电流的操作极限以及当前的电池状态来计算SOC和功率容量。

可以基于单个电池单元或者基于整个电池组而测量多个值。例如，可以 针对牵引电池的每个电池单元测量端电压Vt。由于相同的电流可流经每个电 池单元，所以可测量整个牵引电池的电流i。不同的电池组构造可能需要测量 值的不同的组合。可对每个电池单元执行估计模型，接着，可将电池单元值 组合，以实现整个电池组值。

另一个可能的实施方式可利用扩展卡尔曼滤波器(EKF，Extended  Kalman Filter)。EKF是由下面形式的等式来控制的动态系统：

x_k＝f(x_k-1，u_k-1，w_k-1)   (15)

z_k＝h(x_k，v_k-1)   (16)

其中，x_k可包括状态V₂和其他电池ECM参数；u_k是输入(例如，电池 电流)；w_k是过程噪声；z_k可以是输出(例如，Voc–Vt)；v_k是测量噪声。

针对等效模型的控制等式的可能的一组状态可被选择如下：

x = x 1 x 2 x 3 x 4 = V 2 1 / ( r 2 C ) 1 / C r 1 - - - ( 17 ) ]]>

离散时间或连续时间内的等式(1)和等式(2)的相对应的状态空间等 式可被表示为等式(3)和等式(4)的形式。基于所描述的系统模型，可设 计观测器来估计扩展状态(x₁、x₂、x₃和x₄)。一旦估计了所述状态，电压和 阻抗参数(V₂、r₁、r₂和C)就可被计算为所述状态的函数，具体如下：

V ^ 2 = x 1 - - - ( 18 ) ]]>

r ^ 1 = x 4 - - - ( 19 ) ]]>

r ^ 2 = x 3 / x 2 - - - ( 20 ) ]]>

C ^ = 1 / x 3 - - - ( 21 ) ]]>

整组EKF等式由时间更新等式和测量更新等式构成。EKF时间更新等式 可将状态和协方差估计从先前时间步(time step)映射到当前时间步：

x ^ k - = f ( x ^ k - 1 , u k - 1 , 0 ) - - - ( 22 ) ]]>

P k - = A k P k - 1 A k T + W k Q k - 1 W k T - - - ( 23 ) ]]>

其中，表示x_k的先验估计(priori estimate)；表示先验估计误差协方 差矩阵；A_K表示函数f(x,u,w)关于x的偏导数的雅可比矩阵；P_K-1表示上一 步的后验估计误差矩阵(posteriori estimate error matrix)；表示矩阵A_K的转 置矩阵；W_K表示函数f(x,u,w)关于过程噪声变量w的偏导数的雅可比矩阵； Q_K-1表示过程噪声协方差矩阵；表示矩阵W_K的转置矩阵。

可以从通过将系统等式和系统状态组合而限定的一组状态等式来构建矩 阵A_K。在这种情形下，输入u可包括电流测量值i。

测量更新等式借助于测量来校正状态和协方差估计：

K k = P k - H k T ( H k P k - H k T + V k R k V k T ) - 1 - - - ( 24 ) ]]>

x ^ k = x ^ k - + K k ( z k - h ( x ^ k - , 0 ) ) - - - ( 25 ) ]]>

P k = ( I - K k H k ) P k - - - - ( 26 ) ]]>

其中，K_K表示EKF增益；H_K表示h关于x的偏导数的雅可比矩阵；是矩阵H_K的转置矩阵；R_K表示测量噪声协方差矩阵；V_K表示h关于测量噪 声变量v的偏导数的雅可比矩阵；Z_K表示测量的输出值；是矩阵V_K的转置 矩阵。

在EKF模型中，可假设电阻参数和电容参数缓慢地变化，并且导数为零。 估计目标值可以用于识别电路参数的随时间变化的值。在上面的模型中，阻 抗参数可被识别为：r₁、r₂和C。更多的综合模型可以另外将V_oc估计为随时 间变化的参数。其他模型构想可包括另一RC对，以表现缓慢电压恢复动态 和快速电压恢复动态。这些构想可以增加模型中状态的数量。可基于所识别 的参数计算其他电池特性，或者可将其他电池特性估计为模型的一部分。

本领域普通技术人员可构建并实现给定一组模型等式的EKF。上述的等 式系统是针对电池系统的系统模型的一个示例。其他构想也是可能的，所描 述的方法将同样很好地用于其他构想。

在上述示例中，i和V_t可以是测定量。可以从测定量和来自EKF的参数 估计值来推导出量V_oc。一旦已知了V_oc，则可以基于图4计算荷电状态。得 知上述参数，可以利用一个参数来计算其他电池特性。

电池容量估计

存在电池容量估计算法的两个主要类别。第一类别将计算建立在容量的 定义(电池吞吐量(throughput)除以荷电状态(SOC)值的差异)的基础上。 这一方法是基于不依赖电池容量而获得的两个单独的SOC值的获知。所述计 算可被表示如下：

其中，SOC_i和SOC_f分别是在时间T_i和T_f的荷电状态。电池吞吐量可被 定义为电流关于时间段的积分。当在控制器中实现时，所述积分可由电流值 乘以采样时间然后求和来替代。

在现有技术中，存在利用上述构想的系统。一个现有技术的方法是获得 两个点火开关接通/点火开关断开循环内的荷电状态值。对于锂离子电池，公 知的是在电池休眠足够长时间后，端电压将非常接近电池的开路电压(即， V_t＝V_oc)。可在点火时测量端电压，从开路电压得到荷电状态(例如，图4)。 吞吐量可在每个点火循环期间被计算并被储存在非易失性存储中，以在下一 个点火循环中使用。

容量定义方法的准确性取决于多个因素。所述计算依靠点火开关接通循 环和点火开关断开循环(两个循环)，以获得SOC差异。两个点火循环必须 间隔开足够的时间，使得电池充分地休眠以及足够的电流吞吐量流经电池。 结果还取决于针对开路电压值的点火电压读数。为了计算吞吐量，必须使用 电流积分，电流积分包括电流传感器不准确度和电流积分误差。可能没有考 虑在点火开关断开周期期间的漏电流。此外，两个点火开关循环之间的温度 变化可能较大。这些不准确性的结果是：利用这一方法会导致难以准确地计 算电池容量。具体地，由于所描述的不准确性，可能导致无法识别电池容量 的较小的变化。

电压传感器不准确度对电池容量的影响使用上述点火开关接通循环和点 火开关断开循环可被表示如下：

ΔQ = ( ∫ 0 T i ( τ ) dτ ) * ( ΔV ) * ( df dV | OCV 1 + df dV | OCV 2 ) ( f ( OCV 2 ) - f ( OCV 1 ) ) 2 - - - ( 28 ) ]]>

其中，ΔQ是潜在容量估计误差，OCV₁和OCV₂是点火开关接通/点火 开关断开两次电压读数，其中，f(OCV_x)限定在特定电压下的SOC，T是在电 流积分中使用的总时间，ΔV代表电压传感器不准确度，df/dV是SOC-OCV 曲线在给定OCV值的导数。

作为最坏情形的示例，考虑在两个单独的点火开关循环的开始时刻对具 有20％的SOC变化(吞吐量为5 Ah(安培-小时))25 Ah电池单元进行测量。 假设电压传感器的不准确度为10mV，则df/dV接近于1。由于电压传感器 不准确度所导致的容量估计误差将是ΔQ＝9000 A-s或接近于电池容量的 10％。

第二类别的电池容量估计算法基于系统识别理论获得电池容量，其中， 电池容量作为电池模型的一部分而被获得。基于模型的方法也具有一定的局 限性。通常，电池容量仅为弱可识别的变量。具体地，当将许多其他电池参 数结合在一起时，在电池测量值被噪声、传感器不准确性或者电池模型误差 损坏时，电池容量的弱可识别性使基于模型的卡尔曼滤波器方法变得不切实 际。基于此，期望通过开路电压感测误差、未考虑的漏电流以及两个连续的 驾驶循环之间的温度变化来消除被包括在电池容量估计中的误差。

在电池寿命期间可在车辆控制器中周期性地执行电池模型。基于所得到 的模型参数，可设计SOC观测器，使得SOC可被准确地估计。可以实现SOC 观测器，并且可以获得参数估计值。

存在可以应用于确定何时估计电池参数的多个方法。一个方法可以是一 直获得参数。然而，这一方法存在一些缺点。等效电路模型仅仅是真实的电 池行为的近似。在测量信号中可能存在传感器偏差和不准确性。这些因素导 致了参数估计的不准确性(尤其是在输入不够丰富且不能持续地激励时)。如 果输入不能对电池提供合适的激励，则输入不足够丰富以允许准确的参数估 计。激励的丰富性或持续性还可取决于输入信号中各种频率的存在。牵引电 池的输入信号可以是电池功率需求。例如，在恒定电流下进行操作不能提供 足够的变化来确定模型的动态特性。

另一方法可以是：当认为输入不够丰富时，绕开参数估计。开环观测器 可用于在这些间隔期间估计电池状态变量。这一方法包括在条件不够丰富时 检测，并且与连续的获知方法相比，可提供更好的估计值。然而，这一方法 的问题可能是：输入不足够丰富以用于参数估计的情况下的延长的时间段的 影响。开环观测器初始时可提供足够的估计值，但是随着时间的过去，估计 值可能变得不