基于UKPF算法的锂离子电池SOC估算

电池在工作时电流变化剧烈,使用传统无迹卡尔曼算法(UKF)估算电池荷电状态(SOC)时有较大误差.为了提高SOC估算精度,基于锂离子电池混合噪声模型,利用粒子滤波算法对无迹卡尔曼的滤波进行修正,得到无迹卡尔曼粒子滤波算法(UKPF),并用该方法来估算锂离子电池的SOC.实验结果表明,UKPF算法SOC的估算误差小于2.1％,明显优于UKF和PF算法.     

车用动力锂电池的SOC估计

给出了动力锂电池管理系统的整体结构,并且对主控板和子控板的布局与功能进行了详尽介绍。建立了适合于Kalman滤波估计的锂离子动力电池的状态空间模型,该数学模型关系简单,易于工程实现。在此基础上,对模型进行了线性化处理,采用安时积分法、开路电压法结合扩展卡尔曼滤波(EKF)算法实现了对电池荷电状态(SOC)的准确估算。实验结果表明,EKF算法在估算过程中能保持很好的精度,对初始值的误差有很强的修正作用,在SOC估计中有很强的应用价值。     

基于迭代扩展卡尔曼滤波算法的电池SOC估算

采用卡尔曼滤波算法估算动力电池的荷电状态(SOC),其估算精度与SOC初值无关,但与动力电池的等效模型有关。为进一步提高SOC估算精度,充分考虑温度对电池模型参数的影响,改进电池的二阶RC等效电路模型,建立电池的非线性状态空间模型;为保证SOC估算结果的收敛性,将迭代滤波理论引入到扩展卡尔曼滤波(EKF)算法中;采用Levenberg—Marquardt(LM)方法优化迭代过程,并将其应用于动力电池SOC的估计。实验结果表明,与EKF和迭代EKF(IEKF)算法相比,采用改进的电池等效模型和优化算法,具有较好的收敛性,且提高了估算SOC的精度。     

基于电动汽车锂电池的SOC动态估算策略

针对实际运行中电池参数的变化,建立了基于Thevenin模型的锂离子动力电池状态空间模型,采用递推最小二乘法进行模型参数在线辨识,对参数做出实时修正,同时克服广义卡尔曼滤波(EKF)估算的不足,提出了基于无色卡尔曼滤波(UKF)估算锂电池SOC估算的新方法。实验结果验证了在同等条件下,UKF比EKF具有更好的滤波估算精度,提高了系统的适应性。     

动力锂电池SOC估算研究其管理系统设计

在研究现有荷电状态(SOC)估算方法优缺点的基础上,采用了扩展卡尔曼滤波法(EKF)估算动力锂电池SOC。以卡尔曼滤波算法为基础,建立了基于戴维宁电池模型的状态空间表达式。根据估算误差分析及锂电池工作特性,对EKF中的卡尔曼滤波增益进行分类修正。设计了一套以DSP为主控制器的管理系统。仿真和实验表明,在模拟汽车工况条件下,改进EKF大大提高了估算精度,均衡方案可有效补偿电池组间不一致性。     

基于增益调整的Joint-EKF算法估算电池SOC

在电流采样过程中,电流漂移噪声会对采样精度造成干扰,进而影响锂离子电池荷电状态(SOC)估算的精度。采用联合扩展卡尔曼滤波(Joint-EKF)算法,以Thevenin模型为等效电路模型基础,将电流漂移值与状态变量同步预测,可提高估算精度。在电流突变时,需要加快算法修正速度来解决算法跟踪效果差的问题。基于Joint-EKF算法,通过调整滤波增益动态修正SOC,可进一步提高SOC估算精度。结果表明:改进算法后的SOC估算误差为2.8%,比改进前的减小2.4%。     

基于UKF的动力电池SOC估算算法研究

动力电池荷电状态(SOC)在线估算对于混合电动汽车蓄电池管理系统有着举足轻重的意义。针对动力电池SOC估算算法中应用广泛的扩展卡尔曼滤波法(EKF)在非线性系统应用时存在的精度损失问题,采用无迹卡尔曼滤波法(UKF)以提高估算精度。研究了一种改进的电动势(EMF)电池等效模型,讨论了该模型的参数和空间状态方程,并将UKF应用于该模型估算SOC。由实验分析可知,对比采用开路电压法得出的SOC真实值,UKF结合EMF电池等效模型在估算算法中有较高的精度,其估算误差小于5%,且SOC估计结果明显优于EKF,具有较高的实用价值。     

基于灰色扩展卡尔曼滤波的锂离子电池荷电状态估算

准确估算电池荷电状态(SOC)是电池管理系统的核心技术之一。为提高扩展卡尔曼滤波(EKF)估算电池SOC精度,将灰色预测模型(GM)和EKF融合,构建灰色扩展卡尔曼滤波(GM-EKF)算法用于电池SOC估算。该算法首先用GM(1,1)替代EKF算法中Jacobian矩阵,对当前时刻电池系统状态预测,即实现系统状态先验估算;再通过观测值对系统状态进行更新和修正,获得后验估算值,实现对电池SOC的估算;最后在自主搭建的电池实验平台上对电池进行模拟工况放电实验。实验结果表明,GM-EKF算法相比EKF算法,估算电池SOC具有更高的精度,估算误差不超过±0.005。研究结果对电池管理系统估算电池SOC具有现实指导意义。     

基于扰动观测器的锂电池荷电状态估算方法

基于电池模型的荷电状态(SOC)估算方法,模型参数的误差会直接影响估算结果.根据扰动观测器原理,建立了锂电池电压扰动观测器模型,与扩展卡尔曼滤波(EKF)算法相结合,设计了具有电池电压扰动补偿功能的锂电池SOC估算方法.由电压扰动观测器得到的补偿电压变量,可实时修正数学模型中的电池状态变量偏差对SOC估算的影响.仿真结果表明当电池数学模型存在滞后电压等动态响应误差时,该方法在充放电过程中SOC估算精度要优于常规EKF估算方法.     

基于EKF的锂电池状态估算策略

在研究与分析电池极化现象对电池状态(SOC)估算影响的基础上,提出一种扩展Kalman滤波(EKF)的算法对SOC进行估算,在Thevenin改进模型的基础上建立了电池的非线性状态空间方程,通过比较电池实际端电压和估算端电压的差值,修正安时积分法得到的SOC值,使得极化效应对SOC估算精度的影响大大减弱。仿真分析结果表明,此方法提高了电池SOC计算的精度。     

基于卡尔曼滤波器的零速修正技术在导弹发射车中的应用研究

现代战争中,为了提高导弹武器系统的生存能力,采用机动发射是一项重要措施,而机动发射带来的问题是如何快速、精确地实现随机发射点的定位。该文提出了将零速修正（ZUPT）技术应用在导弹发射车车载捷联惯导系统中,并采用卡尔曼滤波对惯导误差进行实时计算并补偿,通过仿真验证,基于卡尔曼滤波器的零速修正技术能在很大程度上提高惯导的定位精度,并且途中不需任何外部信息,对于现代战争环境具有明显优势。通过对停车间隔时间不同对惯导性能影响的比较,为工程实用中合理选择停车间隔提供了重要的参考。     

硅微陀螺仪随机漂移建模及滤波

通过对硅微陀螺实测数据的分析与预处理,得到了平稳正态零均值的时间序列。在时间序列分析的基础上,通过对比AR模型各参数,利用fpe准则确定了AR（1）模型,并以AR（1）模型的输出进行kalman滤波,从而降低随机过程噪声对陀螺仪精度的影响。实验结果表明,kalman滤波可有效提高硅微陀螺的精度。     

红外图像目标瞄准点测量和基于自适应Kalman滤波的瞄准点跟踪

前视红外图像(FLIR)包含有关目标形状的丰富信息,可据以识别目标的背景干扰,从而增强抗干扰能力,且可根据目标要害部的亮度特点及预定范围,确定并进而跟踪瞄准点,本文提出目标瞄准点的序贯相关测量与Kalman滤波相结合的跟踪方法,在用110帧红外序列图像目标瞄准点跟踪仿真研究中,获得令人满意的结果,本文给出仿真误差方差、误差曲线和代表性的跟踪照片。     

基于图像雅可比矩阵的机器人视觉/力控制

在实际的接触型作业任务中,需要在控制位置的同时,控制末端执行器与环境之间的接触力。针对这一问题,首先通过力反馈信息对未知环境中的法线方向进行估计,然后设计了一种基于模糊自适应Kalman滤波的动态图像雅可比矩阵辨识方法,并将其应用于机器人视觉反馈控制任务中。最后提出视觉/力混合控制算法,在该算法中给出了视觉/力混合控制的约束条件,对视觉采用变结构控制器,力控制采用PI控制器。仿真结果表明,该策略具有较高的力控制精度和曲线跟踪能力。     

某型航空发动机容错控制仿真研究

利用卡尔曼滤波器的优点,提出了航空发动机容错控制模型,它的核心部分就是卡尔曼滤波器,考虑了当某一传感器发生故障后,利用一簇卡尔曼滤波器对发生故障的传感器进行诊断并隔离,并依据剩余非故障传感器的信息对自适应模型进行重构。实例仿真表明航空发动机容错控制系统可以保证航空发动机在一定的性能指标下稳定运行,达到了容错控制的目的。     

基于DSP测量组合导航系统设计

随着微机电系统(MEMS)技术的发展,采用MEMS技术的微小型低成本捷联惯性导航系统已成为目前的一个研究热点;而单一的导航定位定向系统已经不能满足我国在军事领域和民用领域对导航、定位、定向精度的要求,以捷联惯导系统(SINS)和全球定位系统(GPS)相结合构成的组合导航系统以其较高的精度、低廉的成本逐渐被应用于各个领域.本文以MEMS芯片为基础,研究基于DSP测量的低成本SINS/GPS组合导航系统的设计和实现,旨在实现组合导航系统小型化、低成本、高可靠性和智能化.     

基于扩展卡尔曼滤波器的异步电机转速辨识

在异步电机控制基础上 ,利用扩展卡尔曼滤波器将转子转速看成系统的一个状态量 ,根据定子侧可以测量的电流、电压值 ,逐步估计出转子转速 ,为研制无速度传感器控制打下基础。     

卡尔曼滤波算法工程化设计

卡尔曼滤波算法在近代的自动控制、航空航天、通讯、导航等诸多领域有非常广泛的应用。当我们在工程上用软件来实现时，要求该工程软件具有良好的可维护性和可读性，以及高度的可靠性和稳定性。本文将从软件工程的观点上，介绍如何采用面向对象程序设计的方法实现上述的目标。     

无偏转换卡尔曼滤波在雷达目标跟踪中的应用

对均方意义下无偏转换测量误差协方差估计的卡尔曼滤波在雷达目标跟踪领域中的应用技术进行研究,给出了状态方程和最优估计卡尔曼滤波算法,分析了无偏转换测量误差协方差估计简化计算方法,并通过仿真实验证明该算法更适合于匀速跟踪,尤其是当方位角的误差标准差增大时,性能最佳.     

SBIRS-High对助推段导弹的探测和跟踪能力研究

依据天基红外高轨系统的特点和任务,分析了地球静止轨道和大椭圆极地轨道红外卫星系统的对地覆盖和监视性能,建立了大椭圆轨道系统的跟踪定位算法。为提高系统的跟踪性能,对视线交会定位原理所得到的结果作了进一步的卡尔曼滤波处理,进而获得了导弹速度估计。仿真结果表明,天基红外高轨系统可对全球的目标助推段实施监视,并能及时提供有效的导弹运动参数信息。