传统燃油车污染物排放越来越成为人们关注的重点,随着各国政府加大对电动汽车的政策扶持力度,电动汽车产量呈现出较快的增长势头。锂离子动力电池作为电动汽车车载能源系统已经成为大多数汽车厂商重点采用的电池类型。锂离子动力电池存在高压安全、过充过放情况下的爆燃等风险,且其荷电状态(State of Charge,SOC)、健康状态(State of Health,SOH)以及功率状态(State of Power,SOP)在电动汽车工作时无法直接测量,因此需要采用一套电池管理系统(Battery Management System,BMS)对动力锂离子电池进行管理。电池管理系统中,高精度SOC估算是整个电池管理系统的关键,同时,SOH和SOP的高精度估算也可以改善电池的使用寿命和电动汽车的性能。考虑到车载电池管理系统的主控芯片一般采用车载嵌入式微处理器单元(Micro Controller Unit,MCU),因此,车载电池管理系统必须要考虑在有限计算资源的情况下尽可能实现高精度、高鲁棒性的电池SOC,SOH以及SOP的估算。另外,对于电池包而言,电池单体的一致性问题会影响电池包的整体使用寿命,研究电池包的均衡技术对于提高电池包的整体使用寿命也有重要的意义。本文主要研究基于车载嵌入式MCU的动力电池管理系统的SOC、SOH、SOP估算、电池包的均衡以及BMS的软硬件设计等关键技术。以下是本文主要工作介绍:(1)提出了一种基于平方根容积卡尔曼滤波(Square Root Cubature Kalman Filter,SRCKF)的电池SOC估算算法。SRCKF根据容积准则计算出2n个相同权重的容积点,这些容积点经过非线性函数传播后,捕获的均值和方差可以三阶精度逼近非线性函数。SRCKF以Cholesky分解的形式直接传播和更新状态协方差矩阵的平方根,保证协方差矩阵的正定性,避免滤波发散。分别建立了扩展卡尔曼滤波(Extended Kalman Filter,EKF)、无迹卡尔曼滤波(Unscented Kalman Filter,UKF)、容积卡尔曼滤波(Cubature KalmanFilter,CKF)、SRCKF的SIMULINK模型以及试验台架。通过三个不同工况的对比试验,验证了SRCKF算法的有效性,并给出了SRCKF与EKF、UKF、CKF在SOC估算精度、算法鲁棒性和收敛速度的试验对比结果。与传统的EKF、UKF和CKF算法相比,SRCKF算法具有更高的SOC估算精度、更好的鲁棒性和更快的收敛速度。(2)针对车载嵌入式MCU的只读存储器(Read Only Memory,ROM)空间有限、计算能力有限等问题,建立了基于温度修正规则的一阶戴维南电池模型,并提出了具有低ROM占用率、高稳定性、高抗干扰能力的SOC估算方法。该方法基于温度修正规则的一阶戴维南电池模型,建立相应的观测方程和状态方程,采用SRCKF算法以实现在普通车载嵌入式MCU上平滑估算电池的SOC。温度修正规则数学模型能够大幅减少混合动力脉冲能力特性(Hybrid pulse power characteristic,HPPC)测试工作量,同时也大幅减少了用于存储电池特征参数表数据的ROM空间占用量(实测占用189.3千字节,比具有1000千字节的MPC5604B小得多,而未采用温度修正规则的参数数据过大,超出了编译器的编译范围)。SRCKF算法有着高精度、快速收敛、高鲁棒性、高抗测量干扰性以及适度的计算成本(在MPC5604B控制器上,仅有68.3%的负载率)等诸多优点。多组试验结果表明,在动态温度、高非线性工况和高测量干扰条件下,该方法计算复杂度适中,收敛速度快(约2.5秒),能准确估算电池的SOC(即使有1%的电流和电压测量干扰情况下,该方法SOC估算均方根误差也只有0.01085)。(3)虽然在估算SOC、SOH、SOP联合估算的研究取得较大进展,但是适合车载嵌入式MCU的SOC、SOH、SOP联合估算方法依然存在问题。为了解决上述联合估算存在的问题,本文提出基于矢量型递推最小二乘法(Vector-type Recursive Least Squares,VRLS)+SRCKF融合算法并联合应用一阶和二阶电池模型对SOC、SOH、SOP进行多参数约束条件下的联合估算的新方法。具体来说,基于一阶电池模型,采用VRLS算法对电池参数进行在线辨识,然后将在线辨识的参数与离线辨识的参数根据工况进行融合,在SRCKF算法中采用融合后的电池参数对电池SOC进行估算。同时随着时间的推移,基于递归最小二乘(Recursive Least Squares,RLS)算法的电池容量估算算法所估算的电池容量趋于收敛。根据所测温度来查表温度-电池额定容量表,得到当前温度下的电池估计容量。所估算的容量与查表得到的额定容量相比,可以得到电池的SOH。基于二阶RC模型的多参数约束的SOP估算算法可以不增加计算复杂度的情况下提高SOP估算精度。实验结果表明,所提的联合估算算法有着适中的计算复杂度,能很好估算SOC、SOH、SOP,在基于车载嵌入式MCU的实车BMS中有着广阔的应用前景。(4)电动汽车用动力锂离子电池包通常由多个电池单体组合而成,电池单体在生产和使用过程中不可避免的会出现不一致问题,如果无视单体的不一致问题,电池包的整体使用寿命将加速衰减。为了解决电池包内的电池单体不一致问题,本文提出了基于工况的主被动均衡的新方法。该方法根据不同的使用工况开启不同的均衡模式。在充电模式下,电流工况变化较小,无需考虑驾驶员的驾驶感受,可以采用无损主动均衡方法快速平衡电池单体;在在驾驶工况和静止工况下,采用小倍率电流的被动均衡方法可以很好满足驾驶感受和车辆安全的需求。试验证明,采用主被动结合的均衡方法可以更好满足驾驶感受情况下,更好地实现了电池的均衡。(5)基于业界广泛采用的飞思卡尔车载嵌入式MCU(MPC5604B),设计一款采用上述关键技术的BMS软硬件,并在实车上应用是本研究课题的主要目的。本文提出了基于模型设计(Model Based Design,MBD)软件开发方法。以MPC5604B车载嵌入式MCU为主处理器,设计的主从架构BMS由1个主控制器(Battery Managenent Unit,BMU)、4个从控制器(Local Electric Control Unit,LECU)、8个主动均衡控制器(Balance Control Unit,BCU)以及控制器局域网络(Controller Area Network,CAN)组成。详细介绍了SIMULINK建模、仿真、转代码的方法以及在Codewarrior内进行代码集成和调试的方法,给出了车载BMS的硬件关键电路的设计信息。所设计的BMS产品已经在某纯电动汽车上应用,台架试验和实车应用效果良好,产品功能和性能满足本课题设计目标要求。