基于分数阶模型多新息无迹卡尔曼滤波算法的超级电容SOC估计

对超级电容的SOC估计展开了研究。首先,搭建了超级电容测试平台,用于超级电容的参数辨识,并对超级电容进行了常规性能测试;其次,在不同的环境温度和动态工况下采用多种算法进行超级电容SOC估计。结果表明,采用分数阶模型多新息无迹卡尔曼滤波(FOMIUKF)算法对超级电容SOC的估计精度最高,对超级电容的路端电压跟随情况最好,估计结果的均方根误差和平均绝对误差的最大值分别约为1.8%和1.73%。

基于分数阶多新息无迹卡尔曼滤波算法的锂电池SOC估计

针对锂电池荷电状态(State Of Charge,SOC)估计时常用的整数阶等效电路模型无法精准反映电池极化反应和提高在噪声干扰下全生命周期SOC的估计准确度问题,在二阶RC等效电路模型的基础上建立分数阶模型,并采用遗传(GA)算法对其进行参数辨识,从而增强参数辨识的鲁棒性。最后在传统的无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的基础上引入了多新息理论,提出了一种基于分数阶多新息无迹卡尔曼滤波(Fractional Order Multi Innovation Unscented Kalman Filtering,FOMIUKF)算法来实现对锂电池SOC的实时估计,最后通过搭建仿真模型验证了基于GA分数阶锂电池等效模型的准确性和可靠性,并进行了基于分数阶无迹卡尔曼滤波(Fractional Order Unscented Kalman Filtering,FOUKF)算法、FOMIUKF算法的锂电池SOC估计对比分析,发现FOMIUKF算法估计准确度更高,其估计误差仅为1%。

基于分数阶联合卡尔曼滤波的磷酸铁锂电池简化阻抗谱模型参数在线估计

电池特性建模及模型参数在线估计是电动汽车电池管理系统的关键技术,以磷酸铁锂电池这一非线性系统为研究对象,以包含分数阶元件的简化电池电化学阻抗谱模型为基础,建立了该模型的状态转移方程和系统观测方程,运用分数阶联合卡尔曼滤波器(FJKF)对该模型的扩散极化电压和模型参数进行了在线估计。试验结果表明,该模型能较好地表征磷酸铁锂电池的动态特性,分数阶联合卡尔曼滤波算法在参数估计过程中能够保持很好的精度,同时该方法对多种测试工况都有较好的适用性,算法估计得到的模型参数值具有较好的稳定性。

二维分数阶卡尔曼滤波及其在图像处理中的应用

该文研究了二维分数阶卡尔曼滤波及其在图像增强与滤波中的应用问题。首先基于分数微积分的定义,建立了二维线性离散系统的分数阶差分状态空间模型。然后,提出了一种可应用于图像信息处理的二维分数阶卡尔曼滤波算法,并通过实验验证了该文提出算法的有效性。仿真结果证明,该算法增强了图像中的细节特征,同时消弱了图像中的背景噪声。

基于分数阶多新息卡尔曼滤波法的SOC估计

针对电动汽车锂离子电池整数阶模型不能精确反映电池极化反应的问题,提出了一种基于自适应遗传算法(AGA)的分数阶模型,并采用分数阶多新息卡尔曼滤波(FOMIEKF)算法对电池荷电状态(SOC)估计。在二阶RC等效电路模型的基础上建立分数阶模型并用AGA辨识模型参数,然后用FOMIEKF算法进行SOC估计,最后与卡尔曼滤波(EKF)、分数阶扩展卡尔曼滤波(FOEKF)算法进行比较。结果表明,在混合动力脉冲测试下,模型端电压最大误差低于1%,SOC平均误差与最大误差比传统方法分别下降了0.79%、0.95%。因此,基于AGA分数阶模型的FOMIEKF方法可以有效估计SOC。

超高层建筑动态变形分数阶Kalman滤波提取模型

全球卫星导航系统(GNSS)具有无须通视,能够直接测量点的三维坐标等优点,已广泛应用于超高层建筑结构动态变形监测之中。利用GNSS对建筑物进行监测时,监测数据中会包含大量噪声,为了更加准确地提取变形信息的特征,本文利用分数阶卡尔曼滤波对数据进行处理。通过分析仿真实验数据和实际案例数据,利用相关系数、均方根误差等评价参数并与卡尔曼滤波结果进行比较,验证方法的可行性。结果表明,分数阶卡尔曼滤波相较于卡尔曼滤波模型,能够有效地提取超高层建筑变形信息。

基于改进分数阶卡尔曼滤波的光伏发电功率预测算法

在光伏功率预测算法中引入分数阶理论,基于分数阶差分方程分析,建立改进分数阶卡尔曼滤波模型。利用分数阶特性将历史光伏发电数据进行合理评估,提出一种基于改进分数阶卡尔曼滤波的光伏功率预测算法。结合光伏发电的现场数据验证预测方法的适用性,仿真结果表明满足工程应用的要求。

分数阶卡尔曼滤波在混沌保密通信中的应用

20世纪60年代以来分数阶微积分开始受到人们的广泛关注,并被成功应用于物理、化学、生物学等学科领域。基于G-L分数阶微积分,给出了扩展分数阶卡尔曼滤波(EFKF)的定义,并将其应用到分数阶保密通信系统中,同时为了加密并准确解密传输的信息,引入了分数阶混沌Chen系统。仿真结果表明,EFKF取得了非常好的滤波效果;有用信号通过基于分数阶Chen系统的保密通信系统,可以有效地在接收端恢复出来。

分数阶离散卡尔曼滤波

分数阶微积分在控制系统的应用日益广泛,随着分数阶动态模型的引入,需要求解分数阶估计问题的方法。文章从分数阶线性动态系统模型出发,以概率论为基础,导出分数阶的卡尔曼滤波器,得到其递推模型。

采用四元数无迹卡尔曼滤波的低成本车载姿态航向系统

针对低成本车载定姿系统使用惯性导航计算姿态角存在误差累积的问题,采用三轴陀螺仪、三轴加速度计和磁力计实现了姿态航向系统,有效抑制了误差对陀螺姿态的影响。该系统基于四元数的微分方程,通过四阶龙格库塔法进行时间更新,采用无迹卡尔曼滤波融合算法,引入加速度计和磁力计计算的角度进行滤波更新,提高了低成本车载姿态航向系统的精度。实验测试结果表明,基于四元数无迹卡尔曼滤波的低成本车载航向系统在静止状态下航向角、俯仰角、横滚角最大误差分别可以控制在0.021°,0.038°,0.015°以内,动态情况下,航向角、俯仰角、横滚角的均值误差分别为0.129°,0.729°,0.303°。

融合卡尔曼滤波的无人船航向神经网络控制

为实现无人船的航向自主跟踪功能,考虑随机性环境扰动对船舶运动的影响,提出一种融合卡尔曼滤波器的自适应神经网络航向分数阶控制方法。对无人船的航向跟踪控制系统和外部环境干扰进行数学建模,设计该模型下的扩展卡尔曼滤波器,避免环境因素对船舶操纵性能的影响,基于分数阶微积分理论设计无人船航向控制的分数阶控制器,给出一种径向基函数神经网络学习算法,用于解决该控制器的参数整定问题。对所提方法进行仿真实验,实验结果表明,该方法能使无人船快速稳定地跟踪期望参考航向,具有良好的自适应性和鲁棒性。

基于分数阶无迹粒子滤波的动力电池SOC估计

针对纯电动汽车动力电池组荷电状态(SOC)估计问题,提出一种基于可变温度的分数阶Thevenin模型的建模方法,并采用分数阶无迹粒子滤波(FUPF)算法估计电池SOC。建立Thevenin模型的分数阶电池模型,采用试验设计(DOE)方法和遗传算法进行参数辨识,利用FUPF算法对SOC进行估计,并与无迹粒子滤波算法进行比较。试验结果表明,基于FUPF算法与可变温度的分数阶电池模型的SOC估计方法能够在较宽温度范围内保持较高的估计精度且比整数阶模型估计精度更高。

锂电池分数阶建模及SOC估计策略

为了提高锂电池模型的精度,实现锂电池状态的精确估计,本工作在二阶RC等效电路的基础上建立了锂电池的二阶分数阶电气模型,并采用自适应遗传算法实现分数阶模型的参数辨识,加快了算法收敛速度,缩短了辨识时间,避免陷入局部最优解,提高了模型参数精度;在分数阶电气模型的基础上,采用了一种基于施密特正交变换思想的无迹粒子滤波的状态估计方法,与传统的无迹粒子滤波算法相比,在采样点选取过程中,采用一种标准采样与施密特正交变换相结合的办法,对对称采样的粒子进行筛选,减少了采样点的数量,提高了计算效率,并能有效避免由于系统的非线性引起的估算结果发散或单一使用粒子滤波而引起的粒子数短缺。仿真结果表明所建立的锂电池分数阶电气模型能更精确描述锂电池的充放电动态特性,所提出的状态估计策略精度相比于常规控制策略具有更高的精度,系统鲁棒性提高,可以在误差仅为1%的范围内估计锂电池的SOC,并提高了计算效率,易于算法的实时实现。

基于分数阶阻抗模型的磷酸铁锂电池荷电状态估计

锂电池荷电状态(SOC)估计是电池管理系统中不可或缺的重要组成部分。锂电池传统整数阶等效电路模型未充分考虑其内部电化学反应现象,故将导致SOC估计结果偏离真实状态。文中以磷酸铁锂电池单体为研究对象,提出一种基于分数阶阻抗模型的锂电池SOC估计方法。该方法利用分数阶元件表征锂电池内部固液界面的输运现象和极化效应,基于分数阶微分理论建立状态转移方程和系统量测方程,并针对锂电池高度非线性的工作特性,利用无迹变换逼近原始状态分布,运用分数阶无迹卡尔曼滤波算法估计锂电池SOC。实验结果表明,分数阶阻抗模型能准确描述锂电池工作特性,所提算法在估计精度和跟踪速度上有一定提高。

基于分数阶理论的车用锂离子电池建模及荷电状态估计

针对电动汽车动力锂离子电池的状态估计问题,提出一种基于分数阶等效电路建模方法,并采用分数阶卡尔曼滤波算法估计电池荷电状态(SOC)。首先建立基于二阶等效电路的分数阶电池模型,采用遗传算法辨识阶数,然后利用分数阶卡尔曼滤波算法估计电池SOC,并与扩展卡尔曼滤波算法进行比较。实验结果表明,在恒流放电下采用分数阶模型,其端电压最大绝对误差为0.014V,SOC最大估计误差不超过2%。本文提出的基于二阶等效电路的分数阶模型及分数阶卡尔曼滤波算法,不仅给出了一种准确、可靠的建模方法,而且为有效提高电池管理系统中SOC估计的准确性提供了途径。

一种考虑非高斯Lévy量测噪声下的改进分数阶卡尔曼滤波

针对量测噪声模型为非高斯Lévy噪声,研究离散线性随机分数阶系统的卡尔曼滤波设计问题.通过剔除极大值的方法得到近似高斯白噪声的Lévy噪声,基于最小二乘原理,提出一种考虑非高斯Lévy量测噪声下的改进分数阶卡尔曼滤波算法.与传统的分数阶卡尔曼滤波相比,改进的分数阶卡尔曼滤波对非高斯Lévy噪声具有更好的滤波效果.最后,通过模拟仿真验证了所提出算法的正确性和有效性.

基于分数阶模型的锂电池SOC估计

为提升锂电池荷电状态(state of charge,SOC)估计的精度,以二阶RC分数阶模型为研究对象,提出一种由分数阶无迹卡尔曼滤波算法和带可变遗忘因子最小二乘法组成的FOUKF+VFFRLS算法。其中分数阶无迹卡尔曼滤波算法用于锂离子电池荷电状态估计,带可变遗忘因子最小二乘法用于电池参数估计。该算法通过对状态变量和参数变量的递推估算,确保了电池状态和参数的实时更新。基于UDDS工况下的实验数据进行仿真分析,结果表明,该方法较FOUKF等算法具有更高的估计精度,电池SOC最大估计误差可控制在2%以内,验证了所提方法的正确性及有效性。

分数阶超Broer-Kaup-Kupershmidt族及其非线性可积耦合（英文）

基于超代数上的分数阶超迹恒等式,我们得到了分数阶超Broer-Kaup-Kupershmidt族及其超Hamilton结构,并且给出了分数阶超Broer-Kaup-Kupershmidt族的非线性可积耦合.本文的方法还可以应用于其它的分数阶超孤子族.

分数阶超Yang族及其超哈密顿结构

通过应用分数阶超迹恒等式以及建立在李超代数上的广义零曲率方程,得到分数阶超Yang族和它的分数阶超哈密顿结构.应用该方法还可以得到其他分数阶超方程族.

锂电池分段分数阶建模与荷电状态估计

为提高等效电路模型准确性,考虑等效电容分数阶本质和锂电池充放电不同阶段的不同变化特性,采用分数阶微积分理论建立了基于二阶RC模型的电池分段分数阶等效电路模型。用粒子群算法分段辨识分数阶阶数,通过混合脉冲功率特性(HPPC)实验辨识模型参数,使模型更符合电池实际工作状态。实验结果显示,新模型能够更准确地模拟电池充放电特性变化。构造分数阶卡尔曼滤波算法(FOKF)来估计电池荷电状态(SOC),分别与扩展卡尔曼滤波(EKF)算法、实验参考值进行比较。结果显示,所提算法的估计精度更高,均方根误差为0.95%,比EKF算法减少了45.4%。