基于自适应无迹卡尔曼滤波的锂电池SOC估计
作者:
刘胜永
[1]
于跃
[2]
罗文广
[1]
李昊
[2]
黄俊华
[3]
关键词:
自适应无迹卡尔曼滤波(AUKF)
荷电状态(SOC)
Sage-Husa自适应滤波算法
无迹卡尔曼滤波(UKF)
PNGV模型
摘要:
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之一.针对传统Kalman滤波算法因固定的噪声滤波初值不能够跟随工况变化致使SOC估算不准确的问题,基于PNGV模型建立状态空间方程组,将Sage-Husa自适应滤波算法融合到无迹卡尔曼滤波(UKF)算法之中,对噪声进行实时预测和修正,进而提高SOC的估算精度.仿真实验结果表明,AUKF比UKF的估算值更接近于理论参考值,AUKF解决了UKF因固定噪声带来的误差问题,可提高电动汽车启动、巡航、制动等复杂工况下的电池组电流剧烈变化中SOC的估算精度.
上一篇: 带状态预测器的领导跟随系统一致性研究
下一篇: 基于Zynq的PCI Express接口设计与实现