基于ANFIS的鎳氫電池快速充電過程優(yōu)化

　　　l 引 言

　　鎳氫電池與鉛酸蓄電池、鎘鎳電池等傳統(tǒng)電池相比，具有能量比大、重量輕、溫度特性好等特點，并且對環(huán)境污染較小，被稱為綠色電池。常見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，大部分的電量用來電解水，導致電池極化增強，并產生了大量的熱量。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，進行快速、無損智能充電已成為一種趨勢[1]。近年來，對快速充電方法的研究已取得較大的進步，但采用大電流對鎳氫電池進行快速充電，對電池的整體性能的損害大。針對上述問題，本文將模糊控制引入到鎳氫電池充電過程，并設計相應的模糊控制器，通過ANFIS對模糊控制規(guī)則進行修正和優(yōu)化，實現(xiàn)對鎳氫電池按理想的充電模式進行快速充電。

　　2鎳氫電池充電特性

　　2.1鎳氫電池的充電過程

　　對常見的鎳氫電池的充電電壓特性曲線分為3段(見圖1)。在開始時采用小電流預充電，在A～B段可用較大電流快速充電，到達B點后若再用恒流快速充電，電流過大(超過C/3甚至更高[2])會損壞電池，過小會使充電時間過長。對此，有人提出采用前期分級恒流充電，充電后期實行脈動式充電。充電過程可分為預充電、快速充電、補足充電和涓流充電4個階段。在剛開始充電時采用小電流預充電，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程，進入涓流浮充階段，對電池進行維護，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(xiàn)負增量一△U;達到最長充電時間;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，但在實際應用中，其端電壓還是有較小的下降。

　　2.3現(xiàn)有鎳氫充電器存在的缺點

　　不管是傳統(tǒng)的恒流充電還是改進的分級恒流充電方法。本質上都是一種充電電流無法隨著鎳氫電池充電狀態(tài)自動調節(jié)的單一模式充電法，所以無法實現(xiàn)充電過程的最優(yōu)化[4]。本文引入模糊控制器，在整個充電過程中，根據電池的充電狀態(tài)而動態(tài)跟蹤其可接受的最大充電電流，使實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優(yōu)良的模糊控制器，關鍵是要有一個便于靈活調整的模糊控制規(guī)則[5]。模糊控制規(guī)則的取得有各種不同的途徑，2類基本的方法是：根據人對被控系統(tǒng)的實際操作求取控制規(guī)則;根據對象的特點通過數學處理求得控制規(guī)則。對系統(tǒng)執(zhí)行手工控制產生的規(guī)則較粗糙，有時還可能出現(xiàn)控制死區(qū)[6]，不能滿足要求。為了取得更滿意的控制效果，可以對原始的控制規(guī)則進行改進。本文應用模糊控制對充電電流進行自適應控制，系統(tǒng)連續(xù)監(jiān)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。具體設計時以粗糙的控制規(guī)則為基礎，通過ANFIS來修正優(yōu)化模糊規(guī)則。

　　4 ANFIS模型

　　ANFIS是J.S.R.Jang提出的自適應神經模糊推理系統(tǒng)，他是將模糊邏輯和神經網絡有機結合的新型的模糊推理系統(tǒng)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，能自動產生If-Then規(guī)則并進行優(yōu)化[7]。

　　在充電過程中，影響充電電流大小的因素很多，但主要取決于以下2點：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個電壓采樣點的變化率△u/△t作為輸入變量，輸出為充電電流，建立一個2輸入1輸出的二維模糊控制器。通過對10節(jié)容量為2 Ah的鎳氫電池做大量充電實驗(數據見表1)，鎳氫電池的端電壓在很短的時間內立即上升到13.6 V左右，隨后采取大電流快速充電。

　　在實驗過程中，通過多次實驗反復調整，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，這時端電壓上升較快，直到充滿，電壓不再上升，甚至有略微下降。這時充電電流降到最小。在此充電過程中，記錄了大量的數據，通過分析總結，得出了在快速充電過程中輸出電壓差△V、電壓變化率△u/△t和輸出電流對應關系的數據表。由于電壓變化率較小，為了減少誤差每隔一個時間段(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使用模糊推理技術對數據集進行建模，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個和5個相關的鐘形隸屬函數，共得(3×5)共15條規(guī)則，即把兩維輸人空間劃分為15個相互重疊的模糊區(qū)域，每條If-Then規(guī)則管理其中的一個區(qū)域。每條規(guī)則的前提部分定義一個模糊區(qū)域，而結論部分確定該區(qū)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(jié)點i的輸出函數為：σi'=μA(x)其中x是節(jié)點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個輸入變量分別取3個和5個相關的隸屬函數，共得3×5一15條規(guī)則。每個節(jié)點的輸出代表一條規(guī)則的可信度。如：w(i)=μA(x)×μB(y)，i=l，2，…，15。

　　第三層：其節(jié)點負責將輸入信號相乘。每個節(jié)點的輸出代表1條規(guī)則的歸一化可信度。如：

　　第四層：其節(jié)點進行參數學習，其參數學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習算法。第i個節(jié)點的輸出：

　　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性組合：

　　5仿真結果

　　利用Matlab中的ANFIS進行仿真，采用混合學習算法(BP反向傳播和最小二乘結合)訓練網絡權值。這種混合算法具有收斂速度快、容易達到全局最小點的優(yōu)勢。經過250代訓練，得到在充電過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，可以采用高達1.5C的大電流進行快速充電。而在電壓差值很小，電壓的變化率也較小，也就是電池快充滿時，用小于O.3C的小電流充電，即結束快速充電。網絡系統(tǒng)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

　　在本文設計的模糊控制中，對鎳氫電池的快速充電過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?zhèn)鹘y(tǒng)的恒流充電，在整個充電過程中電池能按理想的模式進行充電，避免在快速充電過程中出現(xiàn)過充，保證了充電的安全，大大提高了充電效率。