联合改进滑模观测器的自适应卡尔曼滤波荷电状态估计

2024-06-21 40 3.49M 0

  摘要:锂电池荷电状态(SOC)的精确估计对于提高电池能量利用率、保障电池安全运行具有重要意义。针对模型不确定性导致基于卡尔曼滤波(KF)的SOC估计方法精度低的问题,提出一种联合改进型滑模观测器(ISMO)的自适应扩展卡尔曼滤波(AEKF)算法以实现SOC高精度估计。首先,基于双极化(DP)等效电路模型建立融合饱和函数的ISMO,以降低传统滑模观测器的抖振。其次,设计一种新型自适应衰减因子,以降低过往陈旧测量数据对扩展卡尔曼滤波估计结果的影响,并基于融合饱和函数的ISMO,实现联合ISMO的AEKF估计方法设计。最后,基于自主实验平台获取实测模拟工况数据搭建仿真模型,验证了本文所提ISMO_AEKF算法在不同工况下,相比于AEKF、ISMO_EKF和其他同类型联合算法,具有更高的估计精度及鲁棒性。

  文章目录

  0 引言

  1 融合饱和函数的ISMO设计

  2 AEKF设计

  3 联合ISMO的AEKF算法建立

  4 新型估计方法先进性讨论

  4.1 实验平台搭建及模拟工况测试

  4.2 估计结果对比分析

  4.2.1 估计精度分析

  4.2.2 鲁棒性分析

  5 结论



您还没有登录,请登录后查看详情

617/1000专辑:论文下载

举报收藏 0打赏 0评论 0
相关资源
本类推荐
下载排行
网站首页  |  关于我们  |  联系方式  |  使用协议  |  隐私政策  |  版权隐私  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  RSS订阅  |  蜀ICP备19012879号