1. 研究目的与意义
铅酸蓄电池作为电动汽车动力供应的主要来源，是制约电动车发展和大规模商业化的关键。为保证通信畅通，提高通信系统的可靠性，对铅酸蓄电池剩余电量的状态（SOC）进行准确的预测，并进行有效的管理非常重要。由于铅酸蓄电池的充放电是一个复杂的电化学变化过程，蓄电池的剩余容量受到温度、放电电流、电池退化等多种因素的影响。使得对于铅酸蓄电池SOC测量非常困难。功能状态（SOF）是对蓄电池在下一次起动过程中的起动能力进行预估，从而在电池起动性能出现下降之前对蓄电池采取保护措施，达到保护蓄电池和整车用电器的作用。早在19实际末，为了保证直流电压的稳定性和连续性，对于大电容电池的需求越来越迫切，铅酸蓄电池就是在这个时候开始使用的。铅酸蓄电池的研究对于解决全球能源危机和环境污染有着重要而深远的意义。
2. 国内外研究现状分析
作为电动汽车和混合动力汽车快速发展的基础，电池管理系统（bms）的研究备受国内外的重视。算法的越发完善，已经能够大大减少电池状态估算的误差。美国通用、日本丰田等国外著名汽车公司研制的电动汽车配备的bms都达到了产品化水平。
我国bms从研究至今，虽然与美国日本差距较大，成果却也比较显著。像比亚迪、奇瑞、上汽都在研发自己的bms，争相开拓电动汽车市场。
但与发动机技术和整车开发技术，现阶段的bms技术还相当不成熟。例如数据采集的准确性、soc的估算精度、电池组的安全性等方面。
3. 研究的基本内容与计划
研究内容：
电池传感器（ebs）是一种智能传感器，它的基本功能是探测电池电流、电压和温度，然后从这些物理量中计算电池的状态。电池状态(包括soc和sof)的计算是通过一个特殊的电池状态检测算法（bsd）来实现的。我需要基于铅酸蓄电池的特性对soc和sof估算算法进行设计。
计划：
4. 研究创新点
SOC测量方法有传统的开路电压法、内阻法和安时积分法，以及新兴的模糊逻辑算法、自适应神经模糊推断算法、卡尔曼滤波估计算法、根据我对已有的各种SOC算法的阅读分析，神经网络和模糊控制的方法因无需建立模型而被推崇，但神经网络需要大量的参考数据来做训练，模糊控制因为参杂了主观因素而增添了估计的不确定性。安时积分法、开路电压法和内阻法虽然存在明显的缺陷，但是单个方法研究已经趋于成熟，因此这些方法适合于结合其他方法使用。我打算把安时积分法、开路电压法结合起来来计算SOC，从而规避单一算法的缺陷，得到更加准确的算法。
