基于多时间尺度双扩展卡尔曼滤波的电池峰值功率估计方法

动力电池是电动汽车的技术瓶颈,其状态的高精度估计一直是行业的技术难点,不准确的状态估计值易造成安全隐患,并加速动力电池系统老化。然而,动力电池每用必衰、时变非线性、环境敏感性等特点导致对其状态的实时精准估计极具挑战性。该文针对锂离子动力电池峰值功率估计的问题,提出基于多时间尺度滑动窗口的双扩展卡尔曼滤波(DEKF)算法,基于峰值功率测试结果更新模型参数库,实现了参数的缓时变估计。评价指标显示,动力电池全寿命、全电量区间内,变温度等条件下的验证结果表明所提算法能够准确估计电池参数和功率状态,电压误差小于40 mV。

一种基于双窗宽滑动滤波的i_p-i_q谐波检测算法

为了减小在负载突增条件下对谐波电流检测的影响,提出了一种在 ip-iq检测模型中基于双滑动平均滤波算法的谐波检测方法。建立了滑动平均滤波器的数学模型,推导出 dq 变换后谐波的存在形式,进而指出双滑动滤波方法在谐波检测上的优越性。利用 SIMULINK 搭建了无谐波和有谐波情况下的负载过零投切模型,对电网负荷投入时主干线路上的谐波电流进行了仿真。结果表明,采用双滑动平均滤波法提高了谐波电流检测的快速性并保证了稳态时谐波电流检测的精度,适应动态兼稳态过程,增强了系统的鲁棒性和抗干扰能力。

基于双椭圆滤波算法的傅里叶变换轮廓术

傅里叶变换轮廓术(FTP)技术通过计算傅里叶变换、在空间频域中滤波和逆傅里叶变换来解析被测对象轮廓数据,实现将相位信息转换为被测对象的高度。FTP重建三维曲面时,用来提取基频成分的带通滤波算法对测量精度有很大影响,该技术的关键问题是无法精确提取到一阶频谱尤其是在频域比较复杂的情况下,传统滤波算法在FTP滤波过程中已被证明是不够准确的。因此提出一种双椭圆滤波算法的傅立叶变换轮廓术,双椭圆滤波算法能更好的滤出携带有物体高度信息的一阶频谱,结合光栅投影技术能更有效提高被测物体梯度限制和减少误差,实验结果表明该双椭圆滤波算法优于其它现有的FTP滤波技术。

一种双参数可调的水声信道自适应均衡算法

针对浅海水声信道固有的随机时-空-频变、高噪、强多径等特性及变化的多径时延扩展,在变步长最小均方(LMS)平行滤波器组(PFB-LMS)算法的基础上提出了一种新的水声通信自适应均衡算法。该算法将变阶数和变步长的调整结合起来,降低了算法对迭代步长和均衡器阶数的敏感度。仿真结果表明,新算法在参数适应性方面优于传统LMS及PFB-LMS算法。

基于改进的双卡尔曼滤波的锂电池SOC估计

以实时在线估计锂电池的荷电状态(state of charge,SOC)为目的,基于传统的双卡尔曼滤波(dual extended Kalman filter,DEKF)算法提出了一种改进的双卡尔曼滤波(improved dual extended Kalman filter,I-DEKF)算法,减小了安时积分法因电流计量所引起的累积误差,同时降低了DEKF算法对精确模型的依赖。建立电池的Thevenin一阶RC等效电路模型,用最小二乘法对模型参数进行辨识,再采用I-DEKF算法进行SOC估计。研究结果表明,与传统的双卡尔曼滤波算法相比,改进的双卡尔曼滤波能够减小因电流计量误差而引起安时积分法产生的误差并对其进行修正,对初始值的鲁棒性、收敛性更好,能够很好地应用于实车SOC估计。

基于双扩展卡尔曼滤波锂电池荷电状态估算研究

针对单个扩展卡尔曼滤波算法(EKF)估算精度不高,且受荷电状态(SOC)初始值的影响,在建立二阶RC等效电路模型基础上,采用双扩展卡尔曼滤波算法(DEKF)对电池模型参数与SOC在线估算。以24 Ah/3.3 V磷酸铁锂电池组为研究对象,设计了电池实测工况实验,实验结果表明,在动态压力测试工况(DST)和纯电动乘用车用能量型蓄电池主放电工况下,与单个EKF算法相比,DEKF算法在SOC初始值不准确的条件下具有较好的收敛性和适应性,误差控制在3%以内,证明了该算法的可行性和有效性。

改进CPD算法及其在面部点云配准中的应用

针对面部点云配准中头发颜色与面部肤色存在差异,导致配准效率降低的问题,提出一种改进的相干点漂移(Coherent Point Drift,CPD)算法。该算法先提取面部点云的距离和颜色信息,将颜色信息转化为亮度信息,再仿照双侧滤波算法计算对应的亮度权值系数。将亮度权值系数与距离权值系数相融合,得到新的加权系数,有效降低头发区域点的权重,以提高算法的配准精度与效率。最后,将改进的CPD算法应用于面部点云配准。实验结果表明,该算法能够将两点云的距离标准差平均降低66.01%,运算时间平均缩短18.57%,显著提高了面部点云配准效果。

基于MPA-DKF的单液流锌镍电池荷电状态估计

基于单液流锌镍电池二阶RC等效电路模型,采用双卡尔曼滤波算法(DKF)联合估计该电池荷电状态(SOC)及欧姆内阻参数,以降低电池模型参数时变对SOC估计精度的影响。同时,考虑噪声统计特性(过程噪声协方差、量测噪声协方差)及状态误差协方差初值对DKF算法估计性能的影响,提出采用海洋捕食者优化(MPA)算法对其进行寻优以更好地发挥DKF算法的估计性能。仿真结果表明,所提出的MPA-DKF算法相较于扩展卡尔曼滤波(EKF)算法及DKF算法在估算单液流锌镍电池SOC时具有更高的估算精度及更强的鲁棒性,其最大估算误差不超过1%,且在SOC初值错误的情况下仍能快速修正至准确值附近。

基于FPGA的高速低噪声目标检测系统

针对目标检测系统对图像处理速度和信噪比要求高的问题,设计了一种基于现场可编程门阵列(Field programmable gate array,FPGA)的高速低噪声目标检测系统。首先,设计程序驱动CMOS摄像头传感器,采用同步动态随机存取内存(Synchronous dynamic random-access memory,SDRAM)进行实时存储,并利用乒乓存储实现存取速度的提高,然后对RGB像素数据进行灰阶化处理,提出一种由3*3快速中值滤波和4*4快速分权均值滤波相结合的双滤波算法,确保在减小数据边缘特征损耗的前提下去除系统随机噪声,通过Sobel边缘检测进行边缘特征提取,设计包围盒算法进行目标标定,最后通过视频图形阵列(Video graphics array,VGA)模块进行交互显示。测试结果表明,该系统具有图像处理速度快和检测精度高的优点,采用所提出的双滤波算法能比中值滤波、高斯滤波和均值滤波算法的平均信噪比高出约2.6倍。