基于自适应滑模观测器的荷电状态估算方法

锂电池荷电状态(State of Charge, SOC)的精确估算是电池管理系统的必要基础，但锂电池受充放电倍率大小、老化速度等影响，存在强非线性、时变性等特性，SOC难以直接测量，只能结合海量电压和电流数据通过算法估算。本文提出一种自适应滑模观测器算法(Attitude Sliding Mode Observer, ASMO)对SOC估算，通过梯度下降的算法实时更新滑模观测器矩阵增益，以提高算法的精度和鲁棒性。在测试工况下将拓展卡尔曼滤波算法、滑模观测器算法与改进算法比较，结果表明，相较于传统拓展卡尔曼滤波算法和滑模观测器算法，改进过的算法具有更高的精度和鲁棒性，误差可控制在1%以内，验证改进算法有效性。