双自适应衰减卡尔曼滤波锂电池荷电状态估计 |
| |
引用本文: | 赵云飞,徐俊,王霄,徐浩,梅雪松.双自适应衰减卡尔曼滤波锂电池荷电状态估计[J].西安交通大学学报,2018(12). |
| |
作者姓名: | 赵云飞 徐俊 王霄 徐浩 梅雪松 |
| |
作者单位: | 西安交通大学陕西省智能机器人重点实验室;710049;西安;西安交通大学机械制造与系统工程国家重点实验室;710049;西安;西安交通大学机械工程学院;710049;西安 |
| |
摘 要: | 针对卡尔曼滤波法在锂离子电池荷电状态(SOC)估计时存在误差较大、收敛较慢等问题,提出了一种双自适应衰减扩展卡尔曼滤波荷电状态估计(DAFEKF)算法。该算法首先设计了针对动力电池的荷电状态估计观测器,利用测得的电流和电压值分别作为观测器的输入和观测值,结合双自适应衰减扩展卡尔曼滤波估计出观测器中的电池荷电状态,在卡尔曼滤波算法的基础上加入时变衰减因子来减弱过去数据对当前滤波值的影响,并自适应地调整卡尔曼算法中过程噪声和测量噪声协方差。利用DAFEKF算法估计出的SOC结果与扩展卡尔曼滤波(EKF)和自适应扩展卡尔曼滤波(AEKF)算法进行了比较,结果表明,DAFEKF方法具有较好的准确性、鲁棒性和收敛性,使SOC估计误差控制在2%以内。
|
本文献已被 CNKI 等数据库收录! |
|