V
m
/
V
C
O
影响很大。
发展趋势
综上所述，SOC 估算方法可归纳为离线估算法和在线估算法，安时积分法与开路电压法属于离线估算法，卡尔曼滤波法与神经网络法属于在线估算法。各种估算方法比较，见表1。 在线估算法由于其精度较高，属于目前热门研究方向，但
脑神经元系统的新型算法，它依据大量的样本数据和神经网络模型，以回路电流、电池端电压与电池温度为输入参数，SOC 为输出参数，通过大量的数据分析，实时输出电池
SOC 。
神经网络法能够实时、精确地估算出电池SOC ，但是它的缺点是需要对大量的参考数据进行训练，且SOC 估计误差受训练数据和训练方法的
图2 某铁锂电池OCV —SOC 曲线
图3 锂离子电池电模型
SOC （%）
O C V / m V
（下转第19页）
等效阻抗
等效电压源
序号对比项内容
1结构
优势
同轴
由电机、行星减速器、差速器与桥壳同轴布置成一个整体，转动链短，零部件少，结构简单电机 直驱方案
由分散独立的电机、万向传动总成和车桥等零部件组成，传动链长，零部件多，结构相对复杂
2空间
布置
优势
同轴
电驱动桥方案
动力及传动系统同轴布置、高度集成，有效释放底盘空间，直接将车桥系统布置在底盘上即可电机
直驱方案
需要将电机、万向传动轴总成和车桥等布置在底盘上，占空间较多，不方便整车布置
3节能
环保
优势
同轴
电驱动桥方案
电机直驱+行星减速器传动，转动惯量低，综合传动效率比直驱高（纯机械传动效率≥96%）电机
直驱方案
传动链长，传动效率没有同轴电驱动桥方案高（纯机械传动效率≤90%）
4传动
原理
同轴
电驱动桥方案
车桥外接电池，通过电机带动电机轴的旋转，再经过差速器、行星减速器带动轮毂转动，驱动车轮电机
直驱方案
通过电机输出转矩，传递到万向传动轴，再经主减速器、差速器和半轴驱动车轮转动。
5重量
优势
同轴
电驱动桥方案
相比电机直驱方案重量轻（10%～25%），有效降低电耗，电机转速高，外形尺寸小，功率密度高，延长续驶
里程
电机
直驱方案
传动系统重量大，外形尺寸大，功率密度相对低
6技术
优势
同轴
电驱动桥方案
使用同轴驱动集成化技术，能实现较高能量回馈，符合未来驱动桥集成化发展趋势电机
直驱方案
集成化程度相对较低，能量回馈较低
7维护
保养
优势
同轴
电驱动桥方案
降低在生命周期中维护保养成本，维护保养相对简单电机
直驱方案
零部件总成多，维护保养相对复杂
表2 同轴电驱动桥布置方案优势
在高效率区间，有效降低电耗；
⑤减速机构减速为车轮提供驱动力。
3.同轴电驱动桥
同轴电驱动桥布置方案优势
多数均处于计算机仿真阶段，尚未全面系统应用到电池实际运行中的各种工况。我公司亦基于某iEV平台开展卡尔曼滤波算法估算SOC精度验证，经历单次慢充、单次快充、单次快速放电及连续1周浅充浅放等工况多轮次验证，见表2。
与安时积分法对比，车辆单次充放电工况，卡尔曼滤波表2 卡尔曼滤波算法与安时积分法实车验证精度对比
工况
SOC算法最大估算误差
安时积分法卡尔曼滤波算法
单次慢充 3.5% 2.8%
单次快充 3.0%0.5%
单次快速放电 3.0% 2.5%
连续1周浅充浅放7.6%0.7%
法精度可提升约1%～2%；车
辆连续充放电工况，卡尔曼滤
波法精度可提升约7%，效果明
显。目前该算法验证已处于设
计冻结阶段，有望基于该iEV项
目平台实现整车量产应用。
在未来的应用实践中，在
线估算法仍为重点研究方向，
并需要充分考虑电池充放电
电流、端电压、温度、自放电
及老化程度等因素的综合影
响，方可系统估算出更精确
的SOC。
（上接第15页）分析见表2。
总结
随着国家政策导向的明了化
及地方政府的积极扶持，电动汽
车产业的快速发展已成为必然趋
势，并将最终推动汽车产业的电
动化，车桥产品作为整车的重要
零部件，也将紧随整车电动化的
发展趋势。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议