基于改进EKF的无人机SOC估算分析

多旋翼无人机的工作情况要求采用精度很高的电池剩余电量(SOC)估算方法,而常用的安时法因其特性在该领域中无法做到精确估算,针对多旋翼无人机的工作特性,在戴维南电池模型的基础上,利用扩展卡尔曼滤波法(EKF)估算多旋翼无人机电池剩余电量,并为提高EKF算法的跟踪效果,加入实时调整因子,改进EKF算法。实验结果表明采用扩展卡尔曼滤波算法估算多旋翼无人机的SOC值有较好效果,改进后的算法相比改进前的算法精度又提高了25%,可以有效解决多旋翼无人机电池SOC值无法精准估算的问题。     

基于开路电压法的磷酸铁锂电池SOC估算研究

为了提高磷酸铁锂电池的安全性和使用寿命,需要对电池中最重要的参数——荷电状态(state of charge, SOC)进行有效的估算。因此,对电池SOC的估算方法进行研究,通过一种精简的开路电压法可以快速并相对准确地估算磷酸铁锂电池的SOC,相关充放电实验确定了开路电压与电池SOC的对应关系,并分别选用静置前后的开路电压对电池的SOC进行估算。结果表明在磷酸铁锂电池出色的性能基础上,这种简单快捷的开路电压法可以精确地估算其电池的SOC。     

小型无人机锂电池组的Thevenin模型参数辨识研究

对锂电池组建模并对模型参数识别对管理小型无人机锂电池组相关研究有重要意义。本文以串联7节4Ah航空锂电池组为研究对象,通过设计混合脉冲功率特性测试(Hybrid Pulse Power Characteristic,HPPC)来对电池组Thevenin模型参数进行辨识。研究了小型无人机锂电池组Thevenin模型参数识别方法及各参数与锂电池SOC的关系曲线。结果表明:按照本实验的方法,可以对电池组Thevenin模型的参数进行辨识,能够确定各参数与荷电状态(State of Charge,SOC的关系。     

基于SVM的锂电池SOC估算

以锂电池SOC作为研究对象,将基于VC维和结构最小化理论为基础的支持向量机(SVM)的方法引入到锂电池SOC的估算中。充分利用支持向量机的对锂电池非线性独特的功能,综合考虑锂电池的电压、温度及电流等因素对SOC的影响,提出了支持向量机估算电池SOC的算法,并将其在锂电池充放电实验中验证。结果表明,支持向量机在估算锂电池SOC时,可以获得更高的估算精度,为电池管理系统提供一种实用的SOC估算方案。     

基于双卡尔曼滤波的锂电池SOC估算

以锂电池的荷电状态估算为目的,对传统锂电池等效电路模型进行改进,提高了模型的准确性,使之能更好地反应锂电池内部状态。以标称容量为2 000 m Ah,额定电压为3.7 V的18650锂电池作为研究对象,采用最小二乘法分别对该锂电池模型进行充放电方向的参数辨识。运用双卡尔曼滤波算法估算锂电池的SOC,并设计了基于安时计量法的相关测试实验。研究结果表明,双卡尔曼滤波算法估算18650锂电池SOC的绝对误差值小于0.019,具有较高的估算精度,在锂电池SOC估算领域内具有很高的实用价值。     

基于MARS的电池荷电状态估计

将多元自适应回归样条估算方法应用于大容量磷酸铁锂电池组的SOC估计,将电压、电流和温度共同作为输入变量。对实验所得数据进行标准化处理,将处理后的数据进行训练,得到SOC估计的精简数学模型,并对模型进行了验证。仿真实验结果表明该方法可以提高SOC估算精度。     

基于EKF的船舶动力锂电池剩余容量估算

在船舶锂电池储能系统(RESS)应用中,准确估计剩余容量(SOC)是储能系统安全充放电的基础,SOC无法直接测量,只能通过测量电池外电压电流,根据电池特性进行计算得到。目前,传统SOC估计算法精度低,现流行的算法存在计算复杂的问题,并对依赖于SOC初始值精度,在运用中问题重重,难以保证船舶RESS的安全、寿命和容量利用率。为提高SOC估算精度,对锂电池的等效电路PNGV模型进行试验及参数辨识,并结合拓展卡尔曼滤波(EKF)算法,测量锂电池电压及电流,综合进行SOC的估算,经试验,SOC估算精度相比传统算法得到了提高,并解决了SOC估计对初值的要求高的问题,由此证明了PNGV模型结合扩展卡尔曼滤波算法精确估计SOC的可行性。     

基于无迹卡尔曼滤波的锂电池SOC估算方法研究

锂电池荷电状态(SOC)的准确估算是制约电动汽车发展的关键技术。基于Thevinin模型建立状态空间方程组,将无迹卡尔曼滤波(UKF)应用到锂电池SOC估算中,通过无迹变换(UT)的方式避免对非线性状态方程的线性化,在不增加系统求解复杂度的前提下提高滤波精度,实现非线性条件下锂电池SOC的准确估算。仿真实验结果表明,UKF估算锂电池SOC的整个过程误差控制在1%以内,其精度明显高于拓展卡尔曼滤波(EKF)的4%,实现了锂电池SOC估算精度的提高,更适用于电动汽车锂电池SOC的估算。     

电力巡线无人直升机摆尾分析

无人直升机进行电力线路巡检过程中,常遇到飞机摆尾的问题,影响无人机飞行的稳定性,造成安全隐患。从直升机旋翼构造入手,分析无人机飞行控制系统关于尾旋翼航向的控制原理,找出无人直升机摆尾的问题根源,提出解决办法,提高了无人直升机电力线路巡检的安全性和可靠性。     

高压输电线路多无人机自主协同巡线设计与测试

针对目前巡检高压输电线路的固定翼无人机不能精细化巡查,而多旋翼无人机运动速度慢且需要人工遥控操作导致安全风险较大的问题,提出多架多旋翼无人机自主协同精细化巡线方案。探讨了利用两架部署在导线两侧的无人机通过机间通信协同巡检高压输电杆塔和导线的方法,并采用机器学习技术和多智能体一致性控制算法设计无人机自主飞行控制器。根据设计结果开发一站四机系统验证巡线方案,实验部署两机为一组,两组并行作业。结果表明该系统按预期完成高压输电线路的巡检作业,未发生误报缺陷,相比单个遥控操作的多旋翼无人机巡检方案,多机协同方案无需人工干预飞行,总巡线速度超过单机最高时速,双机协同对单个杆塔的平均巡检时间小于遥控单机巡检时间的一半。     

纯电动汽车锂电池组均衡系统研究与设计

针对纯电动汽车串联锂电池组在使用时出现的不一致性造成的不利影响,设计了一套电池组均衡系统。提出了一种基于修正因子的5点修正荷电状态(SOC)的新型估算方法,并给出了电池信号采集电路、通信电路及均衡电路的设计。仿真和实验结果表明均衡电路能实现恒流控制,新型SOC估算方法能准确估算锂电池的SOC值,同时该均衡系统可改善电池组间的不一致性。     

自适应平方根球型卡尔曼滤波下的SOC估计

对电池管理系统而言,锂电池荷电状态(SOC)的估算相当重要.针对此问题,从锂电池的工作特性分析出发,通过实验及仿真验证,选定一阶Thenevin作为钛酸锂电池的等效模型.利用平方根球型无迹卡尔曼滤波方法,引入噪声自适应因子,对锂电池SOC进行准确估算,极好地提高了收敛速度,缩短了估算时间,并且具有良好的精度.该算法的估算精度,即使在复杂的HPPC放电模式下,最大误差范围也在1％以内,该算法可以准确地估算锂电池SOC.     

多旋翼无人机在气象探测中的现状与展望

针对传统气象探测方法在时间与空间分辨率上存在的缺陷,本文介绍了具有低成本、易部署、高机动特点的多旋翼无人机在气象探测领域的优势,重点阐述了多旋翼气象无人机所搭载的气象载荷以及多旋翼气象无人机所采用的两种探测模式,分析了多旋翼气象无人机在发展过程中的关键技术,结合现代电子技术、飞行控制技术、微传感器技术对未来气象探测的发展方向以及多旋翼气象无人机的研究重点做出了合理的展望,为多旋翼气象无人机的推广提供了必要的参考。     

锂电池SOC算法的研究进展

伴随时代的进步,新能源汽车的相关技术在不停发展,所以动力电池作为新能源汽车的关键部分需要不断改进。新能源汽车电池荷电状态(SOC)的检测是电池管理系统的重要组成部分。提高电池SOC的测量精度将对延长电池循环使用寿命和提高安全性起到重要作用。锂电池以其高能量密度等优势在新能源汽车电池领域占据重要地位。笔者以锂电池作为研究对象,分析了锂电池SOC的估算算法和等效电路模型。     

利用信息融合技术的储能锂离子电池组SOC估算

在电池储能系统的实际工程中,电池组荷电状态(state of charge,SOC)估算精度越来越受重视。电池组容量、运行环境、循环时间和充放电倍率等都将影响电池组的SOC估算精度,采用单一的电池模型和数据模型很难获得准确的SOC。提出了一种基于信息融合技术的锂离子电池SOC估算方法,主要基于开路电压(open circuit voltage,OCV)-SOC曲线进行。根据锂离子电池运行特性,把OCV-SOC曲线空间划分为锂电池稳定运行区间、识别校正区间、过充区间和过放区间,并据此重新定义锂离子电池运行模式。然后根据其运行模式,在不同运行区间内对锂电池的估算模型进行切换和优化。采取基于信息融合的SOC估算方法,不断修正消除估算模型在运行状态下产生的各种误差,得到较为精确的SOC估算值。最后搭建实验平台,以某储能电站的实际储能工况对该算法进行实验验证,结果表明,上述SOC估算算法在实际锂电池储能系统应用中具有较强的可行性和实用性。     

基于电化学模型估算锂电池SOC的方法研究

针对锂电池SOC估算的精度,采用电化学模型作为电路模型,结合卡尔曼滤波算法估算SOC。利用Matlab最小二乘法对模型参数进行在线辨识,并通过Matlab/Simulink仿真验证模型的可行性与精度。结果表明,该方法能有效估算锂电池的SOC值,并能有效控制在3%的误差精度范围之内。     

基于锂电池SOC估算方法

电池的荷电状态(State of charge,SOC)是锂电池组电池管理系统的重要参数,而电池的SOC估算受到很多因素的综合影响,难以保证其估算精度。准确的电池模型是精确估算SOC的基础,通过对电池模型的改进、模型参数的实时更新,提高了模型参数的精确度;修正的扩展卡尔曼滤波并结合修正的安时积分法,减小了温度、充放电倍率等因素的影响,从而提高了SOC估算的精度。     

基于改进PNGV模型的动力锂电池SOC精确估计

作为动力锂电池的核心参数,锂电池的荷电状态(SOC)的精度估算决定了储能系统控制的精度和管理的可靠性,目前业内对于SOC估计算法的研究不够深入,导致精度低,计算量大,并且依赖于初始值精度,工程应用难度大,以至于动力锂电池管理系统的精确控制和管理难以实现。对电池等效电路PNGV模型进行改进,提高了模型精度,并结合拓展卡尔曼滤波算法(EKF)实现了高精度的SOC估计,通过电池实测和仿真验证,该算法提高了SOC估算精度,解决了SOC估计依赖初值精度问题,具有较高的工程应用价值。     

电动汽车锂电池健康状态估算方法研究

实时监控电动汽车动力锂电池的健康状态不仅为电动汽车的维护提供便捷,且为能量均衡、SOC估算及保障电池组整体性能提供依据。描述了锂电池组健康状态(SOH)定义、总结锂电池SOH的主要影响因素,对比相关SOH模型优缺点及可行性,描述了基于Matlab建立自适应的锂电池SOH数学模型建立方法及过程,并介绍锂电池SOH的估算算法设计流程,并经实测数据验证对比分析估算结果。     

一种多采样率EKF的锂电池SOC估计

为了准确估算出锂离子电池的荷电状态(SOC),采用多采样率的扩展卡尔曼滤波算法(MREKF),建立了二阶RC的电池的等效电路模型,对磷酸铁锂电池进行充放电实验,并根据实验数据进行参数辨识,获得等效电路模型的参数。根据电路模型建立电池的状态方程,分别使用安时法,单采样率的扩展卡尔曼算法和多采样率的扩展卡尔曼算法对电池的SOC进行估计,并用Matlab仿真,对比了三种算法,实验和仿真结果表明MREKF能更精确地估算出SOC。