混合动力车用双极性镍氢电池及电池组管理系统的研究

《混合动力车用双极性镍氢电池及电池组管理系统的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工学博士学位论文混合动力车用双极性镍氢电池及电池组管理系统的研究邓超哈尔滨工业大学2006年6月图内图书分类号：TM912.9国际图书分类号：621.355工学博士学位论文混合动力车用双极性镍氢电池及电池组管理系统的研究博士研究生：邓超导师：史鹏飞教授申请学位：工学博士学科、专业：应用化学所在单位：应用化学系答辩日期：2006年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TM912.9U.D.C:621.355DissertationfortheDoctoralDegreeinEngineeringDEVELOPM

2、ENTOFBIPOLARNICKELMETALHYDRIDEBATTERYANDTHEENERGYMANAGEMENTSYSTEMFORHYBRIDVEHICLECandidate:DengChaoSupervisor:Prof.ShiPengfeiAcademicDegreeAppliedfor:DoctorofEngineeringSpecialty:AppliedChemistryAffiliation:DepartmentofAppliedChemistryDateofDefence:Jun.,2006Degree-Confe

3、rring-Institution:HarbinInstituteofTechnology摘要摘要随着汽车的迅速发展和大量普及，人类面临着它所带来的两大问题：环境的污染和能源的消耗。混合动力车的发展可以明显降低汽车尾气对环境所造成的污染。目前，影响混合动力车技术发展的主要因素之一是动力型电池的研发。MH-Ni电池是采用储氢合金材料作为负极的新型化学电源。它具有高比功率、高比能量、长循环寿命、安全性好、价格低、无污染等优点，被誉为混合动力车用动力型电池的首选。传统的MH/Ni电池组是由单体电池串联而成，在电池组中存在极耳、连接条、电池壳

4、等连接体，增大了电池的质量和内阻。双极性MH/Ni电池是一种具有叠层结构的新型电池，这种电池内部没有专用连接体，具有结构紧凑、比能量高、比功率高等优点，因而更适合于混合动力车的使用。本文主要针对双极性MH/Ni电池设计及制造过程中存在的问题，改进了电池的结构和制作参数，制备了新型双极性MH/Ni电池。并且应用人工神经网络技术建立了电池的网络模型，并且对电池的性能进行了预测。设计了电池管理系统的硬件电路和控制软件，通过调试使其达到了合理管理电池的目的。首先，改进了双极性MH/Ni电池的结构和工艺参数，制备了新型多单体双极性MH/Ni电池

5、。研究了正负电极制备工艺、容量配比、电解液、密封胶等参数对电池性能的影响，并且确定了双极性MH/Ni电池制作的基本工艺参数。针对双极性电池结构中存在的问题，提出了双极性电池的改进结构。应用改进结构制备了5单体双极性MH/Ni电池，并对电池的电化学性能进行了分析测试。测试结果表明，电池具有良好的大电流充放电性能和较低的欧姆内阻。在脉冲循环测试中电池性能稳定，多次循环后性能没有明显衰减。其次，应用电化学方法对MH/Ni电池内部的阻抗分布进行了分析研究，并且采用两种方法对贮氢合金负极进行了修饰。应用电流阶跃法、线性电位扫描法和交流阻抗法研究

6、了MH/Ni电池的正负极阻抗分布。结果表明，在放电初期，负极欧姆阻抗是电池欧姆内阻的主要组成部分。随着放电深度的增加，正极的欧姆阻抗逐渐增大，最终接近甚至超过负极，对电池性能影响变大。负极的电化学阻抗在放电初期大于正极，但是随着反应的进行，负极电化学阻抗减少，在放电末期，正极电化学阻抗超过负极，成为主要影响因素。根据对MH/Ni电池阻抗分布的研究，发现负极阻抗对电池的性能影响很大，因此采用两种方法对负极进行修饰以降低电极的阻抗。首先，在含有HF的CuSO4-I-哈尔滨工业大学工学博士学位论文溶液中对LaNi5系储氢合金进行表面处理，结

7、果表明表面修饰后合金电极具有较高的活化速度和优良的高倍率放电能力。其次，采用纳米氧化铜作为添加剂掺杂制备储氢合金电极。结果表明加入纳米氧化铜添加剂可以起到调节合金储备容量的作用，并且掺杂后合金电极的电化学性能显著提高。再次，应用人工神经网络建立MH/Ni电池的BP和RBF两种网络模型，并且应用该模型对电池的性能进行预测。首先，应用改进算法的三层BP网络，建立了MH/Ni电池的神经网络模型。依据该网络模型，并结合编写的运算程序，对所制作MH/Ni电池放电过程中某一状态下的剩余电量及荷电状态做出预测。结果表明，该方法可以方便快速的获得电池

8、剩余容量及荷电状态的预测值，所得预测结果满足精度要求。其次，基于改进算法的径向基函数神经网络技术，建立了MH/Ni电池的RBF网络模型，并应用该模型对电池不同状态下的放电容量进行预测。结果表明，所建立的RBF网络模型精度