电池监控

电动汽车的电池更换成本高昂，需要仔细监控和维护，以确保它们在预期寿命内正常工作。在这个例子中，一辆电动汽车每天上下班。在家里，汽车被插入一个智能充电器，它可以监测电流和电池电压。该充电器通过分析电池数据来估计电池参数，使用Simulink Design Optimization中的参数估计部署版本以及Simulink Compiler。金宝app充电器通过物联网(IoT)连接将这些参数传递给汽车制造商，这样制造商就可以随时监控电池的健康状况。

电池模型

这个例子估计了一个简单的可充电电池模型的参数，sdoBattery．的输入sdoBattery为电池电流，模型输出为电池端电压，由电池充电状态计算得出。

电池模型基于以下公式:

地点:

使用以下命令打开模型。

open_system (“sdoBattery”）

电池特性

已知以下电池特性:

${\mathit{问}}_{\mathrm{马克斯}}$当电池是新的时，已知是250安培小时(100千瓦时)。随着电池老化， ${\mathit{问}}_{\mathrm{马克斯}}$预计会减少，将对此进行监控以跟踪电池的运行状况。电荷的初始状态 ${\mathit{问}}_0$以及新的电池容量 ${\mathit{问}}_{\mathrm{马克斯}}$需要估算。

部署参数估计步骤

在部署模式下运行参数估计有两个主要步骤:

建议创建设置而且运行文件开始时用MATLAB代码生成参数估计量．复制、拆分和修改生成的代码以生成设置而且运行文件，如下节所示。

非部署模式参数估计

先生成MATLAB代码进行估计 ${\mathit{问}}_0$而且 ${\mathit{问}}_{\mathrm{马克斯}}$非部署模式。使用以下命令加载预配置的评估会话:

负载sdoBattery_spesession_forDeploymentspetool (SDOSessionData)

该步骤利用测量到的电压和电流数据对实验进行加载和绘制，并对实验进行配置参数估计量估计 ${\mathit{问}}_0$而且 ${\mathit{问}}_{\mathrm{马克斯}}$．

导航到估计按钮，然后从下拉列表中选择生成MATLAB函数(见生成参数估计问题的MATLAB代码(GUI))．该步骤生成一个MATLAB函数，该函数被添加到MATLAB编辑器中，以及一个mat文件parameterEstimation_sdoBattery_Data.mat．您可以在文件中找到生成的代码parameterEstimationSdoBattery.m．您可以使用生成的代码估算非部署模式下的参数。

建议从生成的代码开始，复制、拆分和修改代码以创建设置而且运行以下部分描述的文件。

部署参数估计的安装文件

要在部署模式下估计参数，可以将非部署参数估计的代码分成设置文件，在非部署模式下使用运行在部署模式下使用的文件。安装文件为parameterEstimationSdoBattery_setup.m主要部分有:

定义参数

参数定义在parameterEstimationSdoBattery_setup.m以与生成的MATLAB代码相同的方式，parameterEstimationSdoBattery.m．使用sdo.getParameterFromModel命令创建一个参数对象，其中包含参数值、最小值和最大值字段，以及一个字段(“Free”)，表示在估计期间是否对参数进行调优。

在本例中，参数信息也存储在数据库中，其中汽车由类似于伪车辆识别号码(VIN)的代码标识。汽车制造商可以使用它来监控电池的健康状况。的parameterEstimationSdoBattery_setup.m文件使用VIN数据库更新电池参数值。看到parameterEstimationSdoBattery_setup.m详细信息请存档。

初始数据库从MATLAB文件加载sdoBatteryVinDatabase.mat哪个有VIN数据库存储在变量vinDatabase．这是一个容器。地图对象和VIN键4 def用于在本例中查找电池的参数。

运行

vinDatabase (“4 def”）

使用实例显示如下表格:

定义实验

实验定义为parameterEstimationSdoBattery_setup.m以与生成的MATLAB代码相同的方式，parameterEstimationSdoBattery.m．实验已经测量了与数据相关的模型中特定端口或信号的数据和信息。

准备部署和保存

在最后parameterEstimationSdoBattery_setup.m文件中，定义一个模拟器，该模拟器可以运行模型并将模型输出与测量数据进行比较。使用prepareToDeploy命令配置实验和模拟器，使它们可以在部署模式下使用。将这些准备好的对象保存到mat文件中。

在另一个模型上运行这些步骤并为部署做准备时，系统可能会提示您保存模型以便在运行设置函数。保存模型以保留部署模式所需的日志记录设置。

的运行文件parameterEstimationSdoBattery_run.m使用保存的对象sdoBatteryObjectsToDeploy.mat用于部署模式下的参数估计。

用于部署参数估计的运行文件

的运行文件可通过以下方式获取parameterEstimationSdoBattery_run.m主要部分有:

加载预配置的部署对象

的parameterEstimationSdoBattery_run.m需要一个pragma，以便Simulink Compi金宝appler在编译的代码中包含模型，如下所示:

加载在结束时保存的预配置对象parameterEstimationSdoBattery_setup.m文件如下:

更新实验及参数

的parameterEstimationSdoBattery_run.mFile接受两个输入参数:

从指定的CSV(逗号分隔值)文本文件中读取数据dataFilename．使用updateIOData命令用新的输入和输出数据(此模型的电流和电压数据)更新已部署的实验。由于数据来自CSV文件，因此不需要getData生成的MATLAB代码中的函数，parameterEstimationSdoBattery.m．

使用VIN作为密钥在参数数据库中查找该车的电池参数。在运行新的估计之前，使用数据库中的当前值更新初始参数值。看到parameterEstimationSdoBattery_run.m详细信息请存档。

运行优化

接下来的几个步骤parameterEstimationSdoBattery_run.m都非常类似于代码中的parameterEstimationSdoBattery.m(用于未部署的评估)。定义估计目标函数的句柄，指定优化选项，并使用sdo.optimize函数。该步骤运行模型，并将模型输出与实验数据进行比较。参数被调优以实现模型和数据之间的紧密匹配。

目标函数定义在子函数中sdoBattery_optFcn它也类似于目标函数parameterEstimationSdoBattery.m．但是，需要指定信号记录变量的名称，因为在部署模式下无法从模型中查询到该变量。

要确定变量的名称('logsout’)，在非部署模式下从MATLAB中查询模型:

get_param (“sdoBattery”，“SignalLoggingName”）

或者，在Simulink中使用金宝app建模单击工具条上的选项卡，单击模型设置．在配置对话框中，选择数据导入/导出的变量名信号日志记录盒子。

更新参数数据库

后调用sdo.optimize的主要功能parameterEstimationSdoBattery_run.m，更新VIN数据库。对于估计的每个参数，复制CurrentValue到PreviousValue然后用新的参数估计来更新CurrentValue．看到parameterEstimationSdoBattery_run.m欲知详情。

在部署模式下运行参数估计

使用世纪挑战集团命令编译parameterEstimationSdoBattery_run.m函数从MATLAB命令窗口或DOS或UNIX命令提示符。您需要安装MATLAB运行时才能完成以下步骤。有关更多信息，请参见安装和配置MATLAB运行时(MATLAB编译器)．

在部署模式下运行参数估计。

在MATLAB中运行

vinDatabase (“4 def”）

查询结果如下:

随时间跟踪电池参数

下表是电池参数的估计值 ${\mathit{问}}_0$而且 ${\mathit{问}}_{\mathrm{马克斯}}$随着时间的推移。该文件sdoBattery_Data1.csv包含新电池时的数据，sdoBattery_Data2.csv包含电池1岁时的数据和sdoBattery_Data3.csv包含电池使用2年的数据。

观察电池容量随着时间的推移而退化。第一年的退化率很高，之后退化率下降。当电池是新的时，往返通勤的电池电量状态为61%，而2年后，通勤的电池电量状态为47%。如果充电状态低于40%，这种情况会减少电池的充电次数。通过长期跟踪电池参数，制造商可以监控电池的健康状况，并确定汽车是否需要更换新电池。