基于A(yíng)NFIS的鎳氫電池快速充電過(guò)程優(yōu)化

　　　l 引 言

　　鎳氫電池與鉛酸蓄電池、鎘鎳電池等傳統電池相比，具有能量比大、重量輕、溫度特性好等特點(diǎn)，并且對環(huán)境污染較小，被稱(chēng)為綠色電池。常見(jiàn)鎳氫電池充電器一般采用恒流充電，在充電初期，充電電流未能達到電池的接受能力，而在充電后期，只有一小部分電流轉化成電池的電量，大部分的電量用來(lái)電解水，導致電池極化增強，并產(chǎn)生了大量的熱量。這種方法不僅浪費了大量的電能，充電效率低，還缺乏自適應性，加快了電池容量的衰減，縮短了電池的使用壽命。為了提高電池的使用壽命和電池的充電效率，進(jìn)行快速、無(wú)損智能充電已成為一種趨勢[1]。近年來(lái)，對快速充電方法的研究已取得較大的進(jìn)步，但采用大電流對鎳氫電池進(jìn)行快速充電，對電池的整體性能的損害大。針對上述問(wèn)題，本文將模糊控制引入到鎳氫電池充電過(guò)程，并設計相應的模糊控制器，通過(guò)ANFIS對模糊控制規則進(jìn)行修正和優(yōu)化，實(shí)現對鎳氫電池按理想的充電模式進(jìn)行快速充電。

　　2鎳氫電池充電特性

　　2.1鎳氫電池的充電過(guò)程

　　對常見(jiàn)的鎳氫電池的充電電壓特性曲線(xiàn)分為3段(見(jiàn)圖1)。在開(kāi)始時(shí)采用小電流預充電，在A(yíng)～B段可用較大電流快速充電，到達B點(diǎn)后若再用恒流快速充電，電流過(guò)大(超過(guò)C/3甚至更高[2])會(huì )損壞電池，過(guò)小會(huì )使充電時(shí)間過(guò)長(cháng)。對此，有人提出采用前期分級恒流充電，充電后期實(shí)行脈動(dòng)式充電。充電過(guò)程可分為預充電、快速充電、補足充電和涓流充電4個(gè)階段。在剛開(kāi)始充電時(shí)采用小電流預充電，電池的端電壓上升較快，上升到1.2 V時(shí)轉入快速充電，快速充電是用大電流充電，一般采用1 C以上，電池的大部分電能在這一階段恢復。為了保證電池充人100%的電能，還就加入補足充電過(guò)程，進(jìn)入涓流浮充階段，對電池進(jìn)行維護，以防止電池自放電，充電速率一般為(1/30)C[1.3]。

　　2.2快速充電結束判斷

　　快速充電結束的條件：電池電壓出現負增量一△U;達到最長(cháng)充電時(shí)間;電池溫度達到最高值Tco。只要達其中一項，快速充電終止，轉入其他的充電階段。另外，充電器還要能檢測出電池是否損壞(短路)，以防止充電器因短路而損壞。本文采用第一種電壓負增量法，在理想情況下，其電壓增量為0△U，但在實(shí)際應用中，其端電壓還是有較小的下降。

　　2.3現有鎳氫充電器存在的缺點(diǎn)

　　不管是傳統的恒流充電還是改進(jìn)的分級恒流充電方法。本質(zhì)上都是一種充電電流無(wú)法隨著(zhù)鎳氫電池充電狀態(tài)自動(dòng)調節的單一模式充電法，所以無(wú)法實(shí)現充電過(guò)程的最優(yōu)化[4]。本文引入模糊控制器，在整個(gè)充電過(guò)程中，根據電池的充電狀態(tài)而動(dòng)態(tài)跟蹤其可接受的最大充電電流，使實(shí)際充電電流始終保持在最優(yōu)值附近。 3模糊控制器設計設計一個(gè)優(yōu)良的模糊控制器，關(guān)鍵是要有一個(gè)便于靈活調整的模糊控制規則[5]。模糊控制規則的取得有各種不同的途徑，2類(lèi)基本的方法是：根據人對被控系統的實(shí)際操作求取控制規則;根據對象的特點(diǎn)通過(guò)數學(xué)處理求得控制規則。對系統執行手工控制產(chǎn)生的規則較粗糙，有時(shí)還可能出現控制死區[6]，不能滿(mǎn)足要求。為了取得更滿(mǎn)意的控制效果，可以對原始的控制規則進(jìn)行改進(jìn)。本文應用模糊控制對充電電流進(jìn)行自適應控制，系統連續監測電池電壓變化情況，從而控制充電電流，以獲到最佳充電效果。具體設計時(shí)以粗糙的控制規則為基礎，通過(guò)ANFIS來(lái)修正優(yōu)化模糊規則。

　　4 ANFIS模型

　　ANFIS是J.S.R.Jang提出的自適應神經(jīng)模糊推理系統，他是將模糊邏輯和神經(jīng)網(wǎng)絡(luò )有機結合的新型的模糊推理系統結構，采用反向傳播算法和最小二乘法的混合算法調整前提參數和結論參數，能自動(dòng)產(chǎn)生If-Then規則并進(jìn)行優(yōu)化[7]。

　　在充電過(guò)程中，影響充電電流大小的因素很多，但主要取決于以下2點(diǎn)：充電電壓和鎳氫電池均充電電壓(或額定電壓)的差;鎳氫電池的溫度。由于電池溫度變化較靈活，對不同電池和電池的化學(xué)特性以及在不同的充電速率下都有較大變化。故本文不計溫度變化，選取充電電壓"和鎳氫電池均充電電壓(或額定電壓)"的差△V和相鄰2個(gè)電壓采樣點(diǎn)的變化率△u/△t作為輸入變量，輸出為充電電流，建立一個(gè)2輸入1輸出的二維模糊控制器。通過(guò)對10節容量為2 Ah的鎳氫電池做大量充電實(shí)驗(數據見(jiàn)表1)，鎳氫電池的端電壓在很短的時(shí)間內立即上升到13.6 V左右，隨后采取大電流快速充電。

　　在實(shí)驗過(guò)程中，通過(guò)多次實(shí)驗反復調整，盡量獲得更理想的充電速率，當端電壓上升到14.5 V左右，充電電流逐漸減小，這時(shí)端電壓上升較快，直到充滿(mǎn)，電壓不再上升，甚至有略微下降。這時(shí)充電電流降到最小。在此充電過(guò)程中，記錄了大量的數據，通過(guò)分析總結，得出了在快速充電過(guò)程中輸出電壓差△V、電壓變化率△u/△t和輸出電流對應關(guān)系的數據表。由于電壓變化率較小，為了減少誤差每隔一個(gè)時(shí)間段(12 s)讀取一次數據，共得到398對訓練樣本數據，表1列出了部分樣本數據。

　　利用ANFIS使用模糊推理技術(shù)對數據集進(jìn)行建模，對輸入變量△V(范圍：0～1 456 mV)和△u/△t(范圍：O～62.5 mV)分別選用3個(gè)和5個(gè)相關(guān)的鐘形隸屬函數，共得(3×5)共15條規則，即把兩維輸人空間劃分為15個(gè)相互重疊的模糊區域，每條If-Then規則管理其中的一個(gè)區域。每條規則的前提部分定義一個(gè)模糊區域，而結論部分確定該區域內的輸出[7]。其ANFIS模型結構如圖2所示。

　　ANFIS模型的具體算法如下：

　　第一層：將輸入變量△V和△u/△t的模糊化。其中的節點(diǎn)i的輸出函數為：σi'=μA(x)其中x是節點(diǎn)i的輸入。Ai是模糊集。這里選取μA(x)為鐘形函數，最值為1

　　。這里{ai，bi，ci}為前提參數。隸屬函數的形狀隨之而改變。

　　第二層：2個(gè)輸入變量分別取3個(gè)和5個(gè)相關(guān)的隸屬函數，共得3×5一15條規則。每個(gè)節點(diǎn)的輸出代表一條規則的可信度。如：w(i)=μA(x)×μB(y)，i=l，2，…，15。

　　第三層：其節點(diǎn)負責將輸入信號相乘。每個(gè)節點(diǎn)的輸出代表1條規則的歸一化可信度。如：

　　第四層：其節點(diǎn)進(jìn)行參數學(xué)習，其參數學(xué)習可以采用反向傳播算法和梯度下降法與最小二乘法的混合學(xué)習算法。第i個(gè)節點(diǎn)的輸出：

　　第五層：計算總的輸出為：

　　給定前提參數后，ANFIS的輸出可以表示成線(xiàn)性組合：

　　5仿真結果

　　利用Matlab中的ANFIS進(jìn)行仿真，采用混合學(xué)習算法(BP反向傳播和最小二乘結合)訓練網(wǎng)絡(luò )權值。這種混合算法具有收斂速度快、容易達到全局最小點(diǎn)的優(yōu)勢。經(jīng)過(guò)250代訓練，得到在充電過(guò)程中不同情況下最理想的充電速率(大小如圖3所示)。在電壓差值較大，而電壓變化率很小時(shí)，可以采用高達1.5C的大電流進(jìn)行快速充電。而在電壓差值很小，電壓的變化率也較小，也就是電池快充滿(mǎn)時(shí)，用小于O.3C的小電流充電，即結束快速充電。網(wǎng)絡(luò )系統訓練的輸出和期望輸出的誤差為O.150 14。如圖4所示。

　　6結 語(yǔ)

　　在本文設計的模糊控制中，對鎳氫電池的快速充電過(guò)程的充電速率大小由ANFIS模糊推理的輸出確定。隨電池的差值和電池電壓的變化率的不同靈活地選擇充電電流，代替傳統的恒流充電，在整個(gè)充電過(guò)程中電池能按理想的模式進(jìn)行充電，避免在快速充電過(guò)程中出現過(guò)充，保證了充電的安全，大大提高了充電效率。