摘要
摘要
辅助动力装置(AuxiliaryPowerUnit，APU)锂离子电池是飞机关键的部件，
有两个主要用途。APU锂离子电池在正常情况下为启动电机提供电力。如果在
飞行途中，飞机主电气系统出现紧急情况，APU锂离子电池可作为备用电源，
为航电、照明、通讯设备等关键系统提供电力，直至飞机安全着陆。APU的安
全高效运行对于多电飞机的安全运行至关重要。监控和管理APU锂离子电池的
荷电状态(StateofCharge,SoC)和健康状态(StateofHealth,SoH)对于确保电池的
最佳性能至关重要。然而，锂离子电池的非线性特性及其对各种环境因素的敏
感性使得准确估计SoC和SoH具有挑战性。因此，设计高精度的SoC和SoH
估计算法至关重要。本论文将以锂离子电池为研究对象，利用滑模控制理论对
锂离子电池的SoC和SoH估计算法进行研究。
为了研究锂离子电池的SoC和SoH估计算法，首先需要建立锂离子电池的
数学模型。本文利用锂离子电池实验数据，采用最小二乘法和遗传算法，分别
建立了锂离子电池的等效电路模型和电化学模型。然后，再利用不同的锂离子
电池实验数据对所建立的电池模型进行了验证。结果表明，所建立的两种模型
均能准确描述锂离子电池的动态过程，两种模型的最大误差分别为0.267V和
0.239V，平均误差分别为0.0312V和0.0093V，表明了所建立的锂离子电池电化
学模型比等效电路模型具有更高的精度。
然后，基于已建立的电化学模型，本文设计了一种非奇异全阶终端滑模观
测器估计算法来估计锂离子电池的SoC。同时，为了进行对比分析，本文还设
计了目前应用广泛的Luenberger滑模观测器和Kalman滤波估计算法，以估计
锂离子电池的SoC。使用锂离子电池动态应力工况测试(DynamicStressTest,DST)
实验数据对上述所设计的三种估计算法进行了验证和比较。验证结果表明了本
文所设计的三种SoC估计算法的正确性。同时，本文设计的非奇异全阶终端滑
模观测器估计算法表现出更高的估计精度和更快的收敛速度，证明了本文设计
的SoC估计算法的优越性。
接着，本文研究了锂离子电池SoH的估计问题，并采用了一种终端滑模观
测器估计算法以估计锂离子电池的负极最大锂离子浓度，进而设计出锂离子电
池的SoH估计算法。使用锂离子电池DST测试数据，将所设计的锂离子电池
SoH估计算法与Super-Twisting估计算法进行了对比分析，结果表明了本文所
设计的锂离子电池SoH估计算法比Super-Twisting估计算法的精度更高。
-I-
摘要
最后，为了进一步提高锂离子电池SoC和SoH的估计精度，本文设计了一
种SoC和SoH联合估计算法，以同时估计出锂离子电池的SoC和SoH。使用
锂离子电池DST测试数据对该估计算法进行了验证。验证结果表明本文所设计
的算法可以有效的对锂离子电池SoC和SoH的状态进行估计，具有较高的准确
性，有良好的实用价值。
关键词：锂离子电池；荷电状态；健康状态；滑模控制
-II-
Abstract
Abstract
Auxiliarypowerunit(APU)lithium-ionbatteriesarecriticalcomponentsin
aircraftandservetwoprimarypurposes.Firstly,theyprovidepowerforthestarter
motorundern