推荐星级：

锂电池剩余容量检测技术及系统优化设计

更新时间：2020-03-16 04:12:13 大小：3M 上传用户：六3无线电查看TA发布的资源 标签：锂电池 下载积分：3分评价赚积分（如何评价?）收藏评论(0) 举报

资料介绍

随着工业经济的飞速发展，人民的生活水平日益得到提高，但是环境问题也随之变得更加恶劣，人们对高效清洁的能源-电能提出了越来越高的要求，电池已经深入到工业现场和人们日常生活的方方面面，人们迫切需要知道电池的剩余容量，于是电池容量的检测也愈发重要。由于电池易受环境温度、充放电次数等许多方面因素的影响，造成电池充放电过程呈现出一种动态的、非线性的特性，这给电池容量的检测带来了检测耗时太长、不能实现在线检测、受环境温度影响等诸多方面的难题。

本课题总结分析了前人所采用的各种电池剩余容量检测方法，并在此基础上给出了一种新型的检测方法，该方法利用开路电压与剩余容量的关系，并检测一段时间内电池放出的电池容量，然后利用相关公式计算出锂电池当前的总的锂电池容量，再用这个总容量减去放掉的电池容量，就可以得到确切的锂电池剩余容量，从而达到实时检测锂电池剩余容量的目的。

基于这种新型的检测方法，本课题设计出了一套以STC12C5A60S2单片机为主控芯片的检测系统，该系统利用运放和MOS场效应管设计恒流放电模块，并利用单片机输出PWM，通过按键控制PWM波形的占空比来控制恒流放电的电流大小，同时利用单片机自带的A/D转换模块对锂电池两端的电压和放电电流进行采样，并通过相应的公式计算出锂电池的剩余容量，记录测量系统的测试数据。通过对实际锂电池电池容量进行检测和测试数据分析，结果表明该系统具有很好的测试精度，验证了新型检测方法的可行性，实现了对锂电池剩余容量的实时检测。

针对电池充放电过程的非线性的特性，本课题利用BP神经网络对锂电池剩余容量检测进行优化，具体做法是BP神经网络通过对检测系统测得的数据的不断学习，对预测结果反复的进行修正，从而使得预测的剩余容量逐渐逼近实际的剩余电池容量，预测结果表明，BP神经网络对锂电池剩余容量的预测具有很好的预测精度，反映了锂电池放电时的动态与非线性衰减的过程。本课题解决了电池容量检测耗时长、非线性、不能实时检测电池确切的剩余容量等缺陷，为小容量锂电池剩余容量的检测提供了一套完整的解决方案。