1、“.....这里安排如下第二节讨论功率预测背景下扩散问题，第三节详细描述包含扩散电阻电路模型。第四节为实验软硬件设计。第五节给出实验结果，验证新方法有效性。最后总结。功率预测偏移和扩散问题在介绍功率预测偏移和扩散问题之前，我们需要扼要地讨论下怎么推导功率预测及预测精度。在图，算法中递归模型参数像开路电压，高频电阻，电荷转移电阻，双层电容都是基于输入即电池端电流及端电压。功率预测是电池单体最大充电功率和最大放电功率，可以通过参数和开路电压实时计算。为了评价功率预测算法，个电池最大功率能力是在每次驾驶后测量。这样个功率测试其实质就是个阶跃激励模拟，在这个模拟过程中最大放电功率是通过将电池电压设置到最小，并记录放电电流和时间......”。

2、“.....更详细功率测试在第四节给出。图主要说明电池预测偏移相对于实际计算典型功率测试。图锂离子单体电池功率测量值与预测值。预测功率计算基于模型对应放电功率测试，对应充电功率测试。其中图为放电功率测试，图为充电功率测试。刚开始预测值与测量值接近，时间长了就偏离了。它可以解释，在开始时，功率主要是由电子转移反应动力学确定因此，法拉第阻抗可以用个线性电荷转移来近似性。时间长了，电池电流受扩散电阻影响。图也表明功率预测放电比充电偏离厉害，表明在放电过程中扩散影响大，这和参考文献实验结果是致。图更清楚地揭示了扩散电阻影响，图是在不同开路电压值功率测量。从图可以看出放电电流从短暂动力学控制很快过渡到扩散控制。从图中我们仍然可以推测当开路电压升高时，扩散控制出现更早。图电流与时间开方图是测量电流，每个功率测试都对应个开路电压......”。

3、“.....图是充电功率测试，在测试内没有明显平台，证明在充电过程中扩散效应较小，因此电路模型在没有考虑扩散电阻情况下能够比较准确进行功率预测。在图中对电化学阻抗谱进行了分析。阻抗是从到测量，其测量对应四个不同开路电压值。两种不同机制在图中给出描述半圆部分刻画高频时欧姆及界面动力学损失，扩散阻抗在低频时明显。我们可以粗略地估计在低于时，扩散开始影响动力学行为。因此我们可以预计在时域对于持续时间长于秒功率预测，扩散电阻扮演着个很重要角色。应该注意到电化学阻抗谱通常是由小信号电流或者电压扰动主导，因此在实验过程中单体在平衡点附近，这种实验也许和远离平衡点最大功率实验有些区别。图在四个不同开路电压下锂离子电池阻抗谱。和是电池阻抗实部和虚部。频率从到。包含扩散电阻模型图给出了阶电路模型，基于该模型可以得到功率方程。在第章我们指出......”。

4、“.....并不出现在参数回归中。基于基尔霍夫电路定律回归方程如下在公式，和是测量输入，和是每步都要进行回归计算参数。因此，形式对应每个参数辨识问题。参数回归是利用测量得到电流和电压进行。电压和电流导数利用公式近似。加权回归最小二乘法用于模型参数回归计算，。该方法简要描述如下考虑个线性动态模型，其输入变量为，其输出为并假定这些变量以离散时间点进行采样，并且采样值可以通过线性等式关联这里是需要辨识参数。在加权回归二乘法中，参数通过最小化权误差项权重平方和来得到。这里是时间加权数据指数遗忘。权重因子越大，引起误差越大。我们采用这种方法在参考文献中有详细描述。指定四个参数每步随着电池模型参数进行更新......”。

5、“.....最大放电功率是将电池电压设定到最小值最大充电功率是将电压设置到最大值来计算。为了将上述公式未出现扩散效应考虑进去，我们添加了个扩散电阻，如图虚线所示。定义扩散电阻如下其中该参数用于扩散电阻来近似从介质电阻到扩散电阻控制转变。如图所示，这个转变时间是开路电压函数。在上述两个公式中，和是两个经验参数。可以用于调整扩散电阻重要性，可以用来调整对开路电压和该参数依赖性。而且，为了适应充放电过程中不同电极动力学过程我们选用了两组和值和或者和表示充电，表示放电。在第四节我们会讨论如何选择和值。通过加入扩散电阻项，功率状态预测解析方程在给出。充电功率在电池电压设置到最大值时获得......”。

6、“.....这里要在参数回归中加入个非线性电路元件来模拟扩散过程。参考文献，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，中文字出处，毕业设计外文资料翻译题目基于考虑扩散电阻的电池状态估计器的功率预测学院自动化与电气工程学院专业电气工程及其自动化班级自动化班学生学号指导教师二〇四年四月八日基于考虑扩散电阻的电池状态估计器的功率预测，，安排如下第二节讨论功率预测背景下扩散问题，第三节详细描述包含扩散电阻电路模型。第四节为实验软硬件设计。第五节给出实验结果，验证新方法有效性。最后总结......”。

7、“.....在图，算法中递归模型参数像开路电压，高频电阻，电荷转移电阻，双层电容都是基于输入即电池端电流及端电压。功率预测是电池单体最大充电功率和最大放电功率，可以通过参数和开路电压实时计算。为了评价功率预测算法，个电池最大功率能力是在每次驾驶后测量。这样个功率测试其实质就是个阶跃激励模拟，在这个模拟过程中最大放电功率是通过将电池电压设置到最小，并记录放电电流和时间。最大充电功率是将电池电压设置到最大限并记录各个时刻电流，更详细功率测试在第四节给出。图主要说明电池预测偏移相对于实际计算典型功率测试。图锂离子单体电池功率测中文字出处......”。

8、“.....，美国加利福尼亚州，马里布有限责任公司，实验室，美国密歇根州，通用汽车研究与发展公司摘要本文研究了个新预测电池最大充放电功率能力算法，该算法用个等价电路模型来代替电池。对于短时高频运行条件下，锂离子电池中通常欧姆内阻和表面动力内阻占主导地位，传统等效电路模型包含直流内阻和电容能够很好低刻画电池系统。然而，长时间内，扩散内阻变比较重要，这时候传统基于模型状态估计器将不能很好进行功率预测。为了在功率估计中考虑进去扩散内阻，我们在功率预测公式中将扩散内阻考虑进去，该内阻用个非线性内阻代替，该非线性项值与时间平方成比例。该方法在个虚拟电动汽车仿真中硬件在环进行仿真验证。仿真结果表明该估计器比原有估计器精度更高。关键词电池状态估计器，电池状态估计器算法，荷电状态估计，功率状态估计，等价电路模型......”。

9、“.....这些应用场合要求电池状态估计器能够精确及时估计电池荷电状态，充放电功率能力以及电池健康状态。本文主要针对混合动力电动汽车锂离子电池功率能力估计。在电池状态估计研究领域，各种电池模型也已经被研究。基于机理电化学模型也许能够很好地刻画电池暂态及空间分布行为，。这些分析建立在基本传输定律动力学定律及热力学定律上，要求有多个输入物理参数。因为它们复杂性所以仿真需要很长时间而且并不能保证在状态估计时收敛。因此，这些复杂模型在电池设计很分析时很实用，但在电池状态估计器中还没有被使用。鉴于存储资源有限性和控制器计算速度在实际应用中，需要快速回归参数提取。个包含串联电阻和个阻容电路电池模型见图已经很成功低嵌入控制器，。需要注意是这种方法只有在电池处在平衡点处高频信号微摄动时才有效这种情况下......”。