分数阶扩展卡尔曼滤波算法的锂电池SOC估算

由于锂离子电池的SOC(state of charge)不能直接被测得,目前只能通过电池外部输出特性对其进行估算。以磷酸铁锂电池为研究对象,考虑到电池各种复杂的非线性特征,分析了电池的电化学阻抗特性,采用恒相位元件(CPE)对传统的等效电路模型进行改进,建立了分数阶(fractional order)等效电路模型;联合遗传算法和混合脉冲动力试验对分数阶等效电路模型的参数进行离线识别;基于扩展卡尔曼滤波算法,建立了分数阶扩展卡尔曼滤波算法(fractional order extended Kalman Filter)的锂电池SOC估算模型;根据动态应力试验DST(dynamic stress test)工况设计制定了锂电池充放电方案,在环境温度25℃条件下,实时采集电池电流及电压数据,将采集所得数据输入到Matlab建立的模型中,对目标电池进行SOC估算。仿真结果表明:与二阶戴维南电路模型SOC仿真结果相比,基于FEKF算法的SOC估算结果具有更高的精度且波动性更小,误差均小于0.72%,均方根误差仅为0.24%。

基于低阶串行双扩展卡尔曼滤波的永磁直线同步电机无速度传感器控制策略

首先,基于三相永磁直线同步电机在同步旋转坐标系下的数学模型,推导出系统的三阶状态方程,实现基于扩展卡尔曼滤波算法的动子速度估计;然后,分析传统扩展卡尔曼滤波算法的计算过程,针对其实时线性泰勒近似是在上一周期的最优估计处完成,因而具有一定滞后性的缺陷,提出一种低阶串行双扩展卡尔曼滤波算法,通过两个低阶扩展卡尔曼滤波算法串行执行,在当前周期的最优估计处完成泰勒近似,提高状态估计精度;最后,仿真和实验结果表明,提出的基于低阶串行双扩展卡尔曼滤波器的无速度传感器控制策略,相比于常规扩展卡尔曼滤波器无速度传感器控制方法具有更高的速度估计精度。

一种永磁电机无速度扩展卡尔曼算法

在实际生产应用中永磁同步电机的控制精度非常关键,在去除噪声的过程中,我们通常采用卡尔曼滤波,一般的卡尔曼无法满足要求,我们提出一种新型扩展卡尔曼滤波器。在电机的参数的实时运算中,并将参数不断更新进算法使得精确度大幅度提高,同时在传统扩展卡尔曼(EKF)的线性化过程中,泰勒近似只是在上一个周期的最优处完成,因此无法做到完美更新数据,降低了精确度。在此提出一种低阶串行双扩展卡尔曼滤波算法,通过仿真和实验比较了EKF和LSDEKFs对电机转速估计的误差,结果表明新型扩展卡尔曼滤波器具有更优的估计精度。

基于强跟踪延迟滤波算法的互馈双电机联合状态估计

通过分析交流传动互馈实验系统的工作特点,采用联合控制策略实现互馈双电机的高性能控制。为避免传感器安装带来的问题,提出一种新型的联合状态估计方法实现双电机转速、转矩和磁链的同时估计。在感应电机降阶模型的基础上引入运动和转矩方程,得到输出方程为一阶状态延迟的四阶模型。在强跟踪滤波算法和延迟扩展卡尔曼滤波算法的基础上,提出适用于上述模型的强跟踪延迟滤波算法,从而建立互馈双电机联合状态估计算法。通过各种工况下的交流传动实验对其进行验证,实验结果表明,该方法能有效估计互馈系统在各种工况下运行时的电机状态,同时在极低速和零速时具有理想的估计精度和跟踪速度,且计算复杂度适中,适用于互馈系统电机状态的在线联合估计。

IAGA辨识分数阶模型与FOAEKF算法的锂电池SOC估计

锂电池荷电状态(SOC)的精确估计可以有效提高锂电池的使用寿命和电动汽车工作时的安全系数。为了降低模型误差与工况噪声对SOC估计精度的影响,依据分数阶理论建立锂电池分数阶等效电路模型,采用改进自适应遗传算法(IAGA)对分数阶模型进行参数辨识,结合基于噪声残差新息的分数阶自适应扩展卡尔曼滤波算法(FOAEKF)实现对锂电池SOC的精确估计。在城市道路循环工况(UDDS)下,分别采用FOAEKF、分数阶扩展卡尔曼滤波算法(FOEKF)和整数阶扩展卡尔曼滤波算法(IOEKF)对锂电池SOC进行估计,三者估计的平均绝对误差分别为0.00749、0.01117、0.01574,均方根误差分别为0.00916、0.0138、0.0186。结果表明IAGA-FOAEKF算法提高了复杂工况下电池模型和SOC估计的准确性。

基于低轨预警卫星测量数据的弹道重构与选星算法研究

在低轨天基预警卫星(STSS)24星构型配置条件下,对弹道导弹ICBM全程飞行过程中可见预警卫星数多于2颗,用最小二乘几何弹道一次定位及扩展卡尔曼滤波(EKF)算法,提出了基于观测噪声估计方差最小的可见星最优选星原则。仿真结果表明:与不进行选星方式相比,用该选星原则进行弹道导弹弹道重构计算可满足在最小限度占用监视预警卫星资源条件下,获得更高的弹道重构精度。

车载低成本GNSS/SINS紧组合导航系统设计

针对GNSS/INS松组合导航系统在可见星数少于4颗的情况下无法正常工作的问题,设计了基于ARM的车载低成本GNSS/SINS紧组合导航系统。以AM3354为电路核心处理器,集成了惯性IMU MPU-9150和卫星接收模块NV08C-CSM。通过I2C和UART接口完成数据采集,送入导航解算后经由SD卡和UART实现数据的保存与上传。系统算法采用离散扩展卡尔曼滤波进行紧组合的数据融合,在没有足够的卫星来计算独立GNSS参数时,也能够将卫星信号输入组合系统并辅助SINS。为验证系统可行性进行了实测跑车实验。结果表明,所设计的紧组合导航系统精度满足车载应用,较松组合算法表现出了更高的精度和稳定性。