考虑老化的修正EKF算法估计锂电池SOC

锂电池的荷电状态(State of Charge, SOC)作为电池管理系统(BMS)的基本参数之一,对其进行准确的估计是BMS可靠性和准确性的基础。为了提升SOC的估算精度,提出了一种考虑老化的锂电池SOC估算方法。选择戴维南二阶模型作为锂电池的等效模型,依据实际数据进行参数辨识并验证。然后,考虑到电池老化对模型参数和实际容量的影响,加入总容量校准和遗忘因子改进扩展卡尔曼滤波(Extended Kalman Filter, EKF)算法,使用改进后的EKF算法精确估计电池的SOC。实验结果表明,在EKF算法基础上加入容量校准和模型老化的遗传因子后SOC的估算精度大大提升。     

基于DKF的锂电池SOC与内阻估算

电动汽车电池管理系统(BMS)需要满足对电池荷电状态(SOC)进行准确地估算。为提高传统安时法估算SOC的精度,根据二阶RC等效电路模型,提出了双卡尔曼滤波(DKF)来完成对电池SOC及其欧姆内阻R0联合在线估算的算法。通过进行某型号三元锂电池的复合脉冲功率特性测试(HPPC)实验及放电实验等,离线拟合得到所需模型参数。将Matlab仿真结果与同等条件下的实验结果进行对比分析,证明了DKF算法能够有效地在线估算电池SOC及其欧姆内阻R0,且误差在3%以内。最后,证明了DKF算法能够比安时法更好地估算出各点处的SOC值。     

基于EKF-UKF模型的锂电池电源参数更新和估计

由于对锂电池的电量参数直接建模存在困难,不便于实现对电源参数的估计,本文提出基于EKF-UKF模型算法直接对锂电池的状态参数进行建模。应用EKF算法获取的电池模型参数、UKF算法观测锂电池的荷电状态,在实现对锂电池进行电量估计的同时,完成对电池模型参数的实时更新,有效地减少漂移电流对估算精度的影响。工况测试表明:这种复合算法复杂度低,能快速实现对锂电池的参数估计,且具有较高的估计精度和鲁棒性。     

磷酸铁锂电池模型参数辨识与SOC估算

根据磷酸铁锂电池的特性,从电池电化学角度分析,建立电池的等效电路模型。通过实验方法测得电池开路电压与SOC关系和电池模型的参数,利用卡尔曼滤波法来估算电池初始荷电状态（SOC_0）.实验与仿真表明,该算法可以有效的估算出SOC初始值,并可以将误差控制在10%之内.     

基于容量修正的安时积分法研究

针对传统安时积分法中容量修正模型产生误差的问题,引入电池表面平均温度与平均放电电流作为自变量,将锂电池放电过程中的温升与电流变化考虑在内,提出一种新的容量修正模型,其结构简单,更适用于工程实践,进而根据不同环境温度与电流的电池放电数据,确定模型参数.实验结果表明:新模型的容量修正效果优于传统模型,通过新模型进行容量修正...     

基于HSMM的铝空电池后期SOC估计

电池荷电状态 (SOC) 的估算精度是影响新能源汽车性能的重要因素之一。传统的安时法由于累积误差较大始终无法满足精确的SOC估计。该文采用基于隐半马尔可夫模型 (HSMM) 的SOC预测作为安时法的一个补充, 使铝空电池后期估计精度可以得到保障。该模型的每个不同状态产生多组观察值, 根据各个状态之间的转换概率以及状态驻留时间可以比较准确地预测后期各个状态下的剩余寿命。经过实验仿真验证, 与单一的安时法相比, 结合HSMM的SOC估计精度在后期有较大提升。     

基于 SHEKF-GPM 融合的锂电池 SOC 估算

荷电状态（SOC）是电池控制策略和管理系统的重要参数。针对积分法和电压法估算锂电池 SOC 时不能减少误差累积现象,提出一种基于平方根高阶扩展卡尔曼滤波（SHEKF）与灰色预测模型（GPM） 融合的算法,用于估算锂电池 SOC。该方法结合遗忘因子递推最小二乘法（FFRLS）和二阶 RC 等效电路模 型实时在线辨识和修改锂电池模型参数,结合 SHEKF-GPM 融合模型进行锂电池 SOC 状态方程的线性部分 和非线性部分估算。通过仿真分析,得到 SHEKF-GPM 融合算法估算 SOC 时的误差低于 0.3%,协方差误 差为 0% 左右,不会产生误差累积。仿真结果表明,该方法能减少误差累积,提高电池管理系统估算锂电池 SOC 时的实用性、有效性和估算精度。     

基于变采样率UKF算法的动力锂电池SOC估算

电动汽车处于不同行驶工况时,固定采样率的无迹卡尔曼滤波(Fixed Sampling Rate Unscented Kalman Filter,FSR-UKF)算法不能精确估算荷电状态(State of Charge,SOC).为克服这一缺点,以传统的UKF算法为基础,针对电动汽车不同行驶状态下电池电流的变化特点,将变...     

基于UKF的苹果果实定位估计算法

在多数农村乡镇,传统小型农田主要依靠人工进行施肥灌溉、采摘果实等作业;而大中型农田虽然已经进行整改使用现代化机械,但大多还需驾驶员操作该机械完成,整体效率及操作安全性还有待提高.针对以上问题,提出了一种基于机器人自主导航UKF(Unscented Kalman Filter)位置估计算法的果实识别及定位方法.机器人携带视觉、光学、惯性等各类传感器采集果实图像信息,通过导航解算得到其位置信息,并用图像处理算法提取成熟果实特征,为农业机器人自主采摘提供更精确的技术指导.实验表明,1 000 s内采集到的所有果实x、y方向上,基于UKF算法的位置估计误差均值在[0,0.05]m范围内,对果实判断最精确;基于单个果实特征位置(0,0)cm的小范围定位采摘仿真实验表明,UKF算法的误差定位范围在两次量测中分别为[-1,2]cm与[-9,1]cm,无论是横方向还是纵方向定位靠近特征,其精度均比EKF算法提高了50%左右.     

基于V-R模型与卡尔曼滤波器的蓄电池SOC估计

蓄电池组广泛应用于UPS系统中,荷电状态(SOC)是表征蓄电池状态的重要参数之一.在线准确估算蓄电池SOC,有利于开展对蓄电池的状态诊断、维护,保证电池组安全供电.通过对阀控铅酸电池作了大量的充放电试验,根据试验数据应用最小二乘法进行辨识,获得蓄电池SOC的端电压-电阻的计算模型,运用卡尔曼滤波器算法,对SOC做最优估计.经实验验证和仿真,得到了蓄电池SOC最优估计结果,具有很好的精确度,表明该方法能够在工程上用来估算蓄电池的SOC.     

一种简化鲁棒的传感网络节点三维估计算法

针对无线传感网络中进行节点三维状态估计时受到重尾或突变性质噪声干扰的问题,提出了加权质心定位和简化最大互相关熵无迹卡尔曼滤波结合的传感网络节点三维估计算法．首先,通过信号强度的测距方式得到信标节点和传感节点的观测距离;然后,利用质心定位的方法得到节点的近似估计,并结合节点估计模型和最大互相关熵准则对非高斯、非线性问题的鲁棒性,推导出一种简化最大互相关熵无迹卡尔曼滤波算法;最后,得到精确估计．仿真结果表明,新算法在具有重尾非高斯观测噪声的传感网络中对节点三维估计的效果比典型的方法更好,不仅降低了一般最大互相关熵无迹卡尔曼滤波的时间复杂度,还提高了节点估计的精度．     

基于MDS-MAP和非线性滤波的WSN定位算法

为提高传感器网络节点的定位精度,对MDS-MAP结合非线性滤波方法的多种传感器网络定位算法进行研究.根据传感器节点间距离与节点定位坐标之间存在的非线性关系,在MDS-MAP定位算法的基础上,引入扩展卡尔曼滤波（EKF）求精算法和不敏卡尔曼滤波（UKF）求精算法,对MDS-MAP求得的节点坐标进行求精.对MDS-MAP定位算法、MDS-MAP和EKF相结合的定位算法（MDS-EKF）、MDS-MAP和UKF相结合的定位算法（MDS-UKF）的定位精度进行比较.实验结果表明：EKF和UKF等非线性滤波方法的应用可以提高定位精度,在相同条件下MDS-UKF定位算法的定位精度更高并且其生成的网络拓扑图最接近于实际网络拓扑图.     

基于平方根容积卡尔曼滤波的目标状态与传感器偏差扩维联合估计算法

针对传感器存在系统偏差条件下的三维目标跟踪问题,基于高斯求积规则与三阶球面-径向容积规则,设计了基于平方根容积卡尔曼滤波的目标状态与传感器系统偏差扩维联合估计算法(Augmented state squared-root cubature Kalman filter,ASSRCKF)。仿真分析表明,ASSRCKF不仅避免了扩维扩展卡尔曼滤波算法因模型线性化误差易导致滤波发散的问题,且克服了扩维不敏卡尔曼滤波算法在高维系统中数值不稳定的缺点,算法实时性好,能更加有效地解决带有系统误差的非线性状态估计问题。