基于双重卡尔曼滤波器电池荷电状态的估计.pdf

基于双重卡尔曼滤波器电池荷电状态的估计.pdf

ID:56058462

大小:386.93 KB

页数:7页

时间:2020-06-20

基于双重卡尔曼滤波器电池荷电状态的估计.pdf_第1页
基于双重卡尔曼滤波器电池荷电状态的估计.pdf_第2页
基于双重卡尔曼滤波器电池荷电状态的估计.pdf_第3页
基于双重卡尔曼滤波器电池荷电状态的估计.pdf_第4页
基于双重卡尔曼滤波器电池荷电状态的估计.pdf_第5页
资源描述:

《基于双重卡尔曼滤波器电池荷电状态的估计.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第28卷第6期重庆理工大学学报(自然科学)2014年6月Vol_28No.6JournalofChongqingUniversityofTechnology(NaturalScience)Jun.2014doi:10.3969/j.issn.1674-8425(Z).2014.06.001基于双重卡尔曼滤波器电池荷电状态的估计商高高,朱晨阳(江苏大学汽车与交通工程学院,江苏镇江212013)摘要:为了有效估计车用蓄电池的荷电状态(SOC),建立了包含迟滞因素和松弛因素的锂电池的精确模型,以自适应无迹

2、卡尔曼滤波器算法为基础,设计了能够实现模型参数和状态同时在线估计的双重卡尔曼滤波器。通过实验和仿真结果的比较表明:该方法能够有效抑制噪声的干扰,快速修正SOC的误差,取得精确的SOC估计值,同时通过时变参数的估计为判断蓄电池的健康状态提供依据。关键词:荷电状态;卡尔曼滤波器;自适应中图分类号:U469.72文献标识码:A文章编号:1674—8425(2014)06—0001—07StatesofChargeEstimationofBatteryBasedontheDualKalmanFilterSH

3、ANGGao—gao,ZHUChen—yang(SchoolofAutomobileandTrafficEngineering,JiangsuUniversity,Zhenjiang212013,China)Abstract:Inordertoestimatebatterystate—of—chargeefectively,anaccuratebatterymodelwasbuiltwhichcontainedthehysteresiseffectandrelaxationeffect.Then,o

4、nthebasisofadaptiveunscentedKalmanfilter,thedualKalmanfilterwasdesignedwhichcouldestimatetheparameterandstateon—lineatthesametime.Finally,thecomparisonresultsbetweentestandsimulationshowthatthismethodcaneffectivelysuppressnoise,reducetheSOCestimateerro

5、randachievethepreciseSOCes—timatedvalue.And,theestimatedvalueofparametercanprovideevidenceforthejudgingofstate—of-healthofbattery.Keywords:stateofcharge;Kalmanfilter;adaptive电池的荷电状态(stateofcharge,SOC)是蓄电目前,普遍使用的SOC估计方法有安时计量池的重要性能指标。它表示蓄电池可充放电的能(Ah)结合开路

6、电压(OCV)的方法、支持向量机力,其准确估计对于电动汽车能量的合理分配和法和卡尔曼滤波法。其中,安时法易受SOC再生利用有着重大意义。初始误差的影响而产生累积误差;开路电压法不收稿日期:2013—11—28作者简介:商高高(1962一),男,博士,副教授,主要从事汽车机电一体化技术方面的研究;通信作者朱晨阳(1989一),男,硕士研究生,主要从事汽车机电一体化技术方面的研究。引用格式:商高高,朱晨阳.基于双重卡尔曼滤波器电池荷电状态的估计[J].重庆理工大学学报:自然科学版,2014(6):1—7

7、.Citationformat:SHANGGao—gao,ZHUChen—yang.StatesofChargeEstimationofBatteryBasedontheDualKalmanFiher[J].JournalofChongqingUniversityofTechnology:NaturalScience,2014(6):1—7.2重庆理工大学学报能满足汽车行驶工况的实时性要求;支持向量机其中:F(i)=exp(一l叼irAt/C1)。法对硬件的要求较高且受训练数据的影响较大;式(1)中

8、的为低通滤波器,用来表示电池中传统的卡尔曼滤波法无法保证在整个电池寿命期的松弛因素。松弛因素是指如果一个电池经历的间SOC的估计精度。本文在建立精确的电池模型是脉冲电流,那么只有在一定时间后它才会收敛的基础上,设计了能够同时在线估计电池模型参到稳定状态的点,并且这些时间常数可以通过电数和SOC的双重卡尔曼滤波器,从而在电池整个流i的低通滤波器表示出来;At为采样时间间寿命期间均能稳定、精确地估计电池SOC。隔;为低通滤波器的极点;diag(O1)为低通滤波器极点组成的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。