基于SR-UKF算法的锂电池SOH预测

传统的扩展卡尔曼滤波（EKF）算法估计精度较低,无迹卡尔曼滤波（UKF）算法不能确保滤波过程中状态误差协方差矩阵非负性,因而易出现滤波发散问题。为此,文中通过平方根无迹卡尔曼滤波（SR-UKF）算法预测锂电池健康状态（SOH）。首先,利用UT变换对系统进行线性化处理;然后,利用状态误差协方差矩阵的平方根替代状态误差协方差矩阵,保证状态误差协方差矩阵非负性;其次,构建二阶RC等效电路模型,根据最小二乘法辨识模型初始参数;最后,将代表SOH的欧姆内阻作为状态变量,使用SR-UKF实时估计欧姆内阻,并根据欧姆内阻与SOH的关系获取锂电池的SOH。为验证SRUKF算法在不同放电情况下的适应性,通过恒流放电工况和HPPC放电工况对SR-UKF算法进行仿真。结果表明,相比于传统的EKF算法、UKF算法,SR-UKF算法预测欧姆内阻的效果更好。     

一种分式指数趋近律电机SMC系统研究

针对传统控制器在永磁同步电机调速系统中转速超调大、抗扰动能力不足等问题,在指数趋近律的基础上添加了时变函数,提出了一种自适应能力更好的分式指数趋近律滑模控制(SMC)系统,并在MATLAB/Simulink上进行仿真,将该控制系统与传统的PI控制系统和指数趋近律滑模控制系统进行对比分析,结果表明,分式指数趋近律在速度环控制上几乎未发现超调问题,并且减少了电机的转矩波动,提高了电机调速系统的抗干扰能力,在保持系统稳定,减少电机能源损耗,提升能源利用率方面有较大成效。