一种模拟滤波电路数字化方法

在信号处理中,滤波的优劣直接影响信息的准确性。模拟滤波虽然快捷但不灵活,数字滤波效果虽好但复杂。所以文中提出一种以模拟滤波器为基准,设计具有相同功能而且参数可调的数字滤波器的方法。并以二阶RC无源低通滤波电路为例对此过程进行说明,与模拟滤波电路和传统的数字滤波相比,该方法不仅比传统的数字滤波算法简单快捷,而且可有效防止模拟电路中器件的寄生参数、精度、温度等的影响,使滤波更加稳定。

基于自适应扩展卡尔曼滤波的锂电池SOC估计

为了解决模型参数和系统噪声对SOC估计精度的影响问题,以二阶RC电路作为电池模型的等效电路,对电池模型参数进行辨识,并通过Matlab/Simulink仿真验证模型参数的准确性,采用能对系统噪声模型实时更新的自适应扩展卡尔曼滤波算法(AEKF)对电池SOC进行准确估计.以单体锂离子电池为实验对象,分别采用传统的扩展卡尔曼滤波算法(E KF)和AEKF算法对模拟UDDS(Urban Dynamometer Driving Schedule)工况下的电池SOC进行了估计,当锂电池SOC在0.15~1之间连续变化时,AEKF和EKF对SOC估计的最大误差分别为3.9%和12.8%,误差均方根分别为1.39%和4.94%.实验结果表明,在系统噪声模型不确定的复杂工况下,AEKF具有较高的SOC估计精度.

基于RLS-DLUKF算法的锂电池SOC预测方法研究

本工作以钴酸电池为研究对象,针对锂电池在复杂工况下电流的剧烈变化导致荷电状态(SOC)无法有效预测的问题,建立了以精确参数为基础的双层无迹卡尔曼滤波算法(DLUKF)架构来更精准的估算SOC。首先,以脉冲功率特性实验数据获取二阶电路模型中电池开路电压与荷电状态的函数关系及特性曲线;其次,为增强模型辨识过程中的自适应学习能力并解决模型参数估计不准确的问题,应用递推最小二乘(RLS)算法在线准确地识别出模型中的未知变量;最后根据输入的变量信息,利用UKF算法相互嵌套形成的DLUKF算法实现对SOC的快速预测来解决单一的UKF算法在高阶非线性系统里估算不准确、精度低的问题。在UDDS工况和FUDS工况下对DLUKF算法和单一的UKF算法进行比较,通过对比分析两种算法估计出的SOC曲线、SOC误差曲线、端电压曲线及端电压误差曲线,表明DLUKF算法预测SOC的平均误差比UKF的低且预测精度更高。