基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。

基于平方根无迹卡尔曼滤波算法的电动汽车质心侧偏角估计

针对电动汽车质心侧偏角不便使用传感器直接测量的问题,提出采用平方根无迹卡尔曼滤波(SR-UKF)算法来估计电动汽车质心侧偏角。基于建立的车辆侧向动力学模型、非线性轮胎动力学模型以及估计得到的质心侧偏角,使用最小二乘法对轮胎侧偏刚度进行估计,得到轮胎侧偏刚度信息。最后,通过试验验证了基于SR-UKF的电动汽车质心侧偏角估计算法具有较高的精度,能够为后续车辆稳定性控制系统的设计提供有效的车辆状态信息。

基于粒子群算法和平方根平淡卡尔曼滤波的北斗导航系统定位估计算法

为提高北斗定位系统(BDS)的估计精度,克服传统平淡卡尔曼滤波(UKF)算法中可能因状态量协方差矩阵失去正定性而导致滤波器发散的问题,将平方根平淡卡尔曼滤波(SRUKF)算法应用于BDS定位估计.在此基础上,为进一步提高SRUKF算法的性能,引入粒子群优化(PSO)算法,提出基于PSO和SRUKF算法的BDS定位估计(PSO-SRUKF)算法.结果表明,PSO-SRUKF算法可以降低系统噪声和测量噪声特性估计不准确带来的误差,有效提高了BDS定位精度和稳定性.

一种初相注入式快速符号同步算法

在非合作信号分析中,接收机的采样频率通常与发送信号的符号速率之间不存在整数或者近似整数倍的关系,且要求定时同步捕获时间短。文中借助符号速率估计算法的结果对数控振荡器(NCO)进行初始化,利用NCO实现基带信号的采样率变换,从而满足平方滤波算法对过采样率为整数的要求,并由平方滤波算法得到时钟初相的估计值,实现了Gardner算法下时钟初相的注入,使得定时环路快速入锁。文中对初相注入的方法进行了详细的公式推导、计算机仿真和工程应用介绍,证实了该方法的有效性。

基于SVD的机动目标自适应滤波研究与仿真

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性.该研究在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于奇异值分解(SVD)的协方差平方根滤波的自适应卡尔曼滤波算法.仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点.

高动态下紧耦合组合导航改进UKF滤波器设计

由于紧耦合导航系统模型为非线性模型,采用线性化滤波方法,线性化误差将影响组合导航的精度,高动态下影响更为明显。UKF(平淡卡尔曼滤波器)避免了非线性系统模型的线性化过程,具有较好的精度。但在高动态条件下,随着滤波迭代计算的进行,舍入误差的积累会引起均方误差矩阵失去非负定性甚至对称性,使滤波增益矩阵失去合适的加权作用从而导致滤波器的发散。提出一种UKF改进算法,将平方根滤波与UKF相结合,避免了高动态下的滤波发散问题。通过仿真比较,基于Potter平方根算法改进的UKF紧耦合导航系统在高动态情况下具有更好的精度及鲁棒性。

一种基于ARI模型和SRCKF的融合型算法的锂电池剩余寿命预测方法

锂电池的健康状态估计和剩余寿命(RUL)预测是电池管理系统的重要研究课题之一。平方根容积卡尔曼滤波(SRCKF)算法是扩展卡尔曼滤波(EKF)算法的一种改进,适合对锂电池的非线性退化过程建模。其中,对于特定电池单体,将自回归综合(ARI)模型的长期趋势预测作为SRCKF算法预测阶段的容量观测真值,从而弱化SRCKF算法对经验模型的依赖性,体现不同电池单体的差异性。同时,针对ARI模型对非线性系统预测能力差的问题,引入了一种表征锂电池不同阶段退化速率的健康因子,提升了ARI模型对锂电池非线性退化趋势的拟合度。最后,使用马里兰大学先进寿命周期工程研究中心(CALCE)的公开数据集验证所提算法,实验结果表明混合型算法在容量预测误差和寿命预测的精度上均有所提高。

一种锂电池SOC估算方法

锂电池组中每个单体电池之间的状态差异会随着电池的使用周期变得严重,可能导致电池组提前报废或发生危险。目前广泛使用单体电池的荷电状态(SOC)来判断电池差异性,研究在锂电池动态二阶Thevenin等效电路模型上应用平方根无迹卡尔曼滤波算法(SRUKF)进行锂电池SOC的实时估计,并将估算结果与其他SOC估算方法进行比较,结果表明在变参数模型上应用SRUKF估算电池SOC的方法具有较强实用性、较快收敛性和较高准确性。

基于SRCKF算法的植保无人机定位估计

基于高山丘陵地区地貌的复杂性、梯田间人工施药困难的背景下,针对植保无人机近地面喷洒任务的艰巨性,其自主导航定位技术的局限性,传统滤波估计算法对载体跟踪估计误差大、精度低、滤波不稳定等问题,提出了一种基于平方根容积卡尔曼滤波算法对植保无人机位置及姿态进行估计。较传统SRUKF、SRCDKF算法,文中算法既降低了状态量维数,又保证了数值计算效率及滤波精度。同等仿真环境下,实验结果表明,基于SRCKF-SLAM算法对载体位置估计精度最高,且稳定性最好;另外,在给定10°失准航偏角下,该算法对载体姿态角滤波估计,在近50 s内实现误差趋近于零,保证了植保无人机的精准导航。

基于COA-ASRCKF的单液流锌镍电池SOC估计

针对容积卡尔曼滤波(CKF)算法在迭代过程中存在诸多破坏协方差对称性和正定性的敏感操作,进而导致算法终止的现象,提出一种自适应平方根容积卡尔曼滤波(ASRCKF)算法。采用ASRCKF算法在估算单液流锌镍电池荷电状态(SOC)时,过程噪声协方差Q、量测噪声协方差初值R(0)和状态误差协方差初值P_(0)的设定,对估算精度和鲁棒性有重要影响。为此,应用郊狼优化算法(COA)对Q、R(0)和P_(0)进行参数寻优。实验结果表明,提出的COA-ASRCKF算法能较好地应用于单液流锌镍电池SOC估计。与CKF和ASRCKF算法相比,估算精度更高、鲁棒性更强,均方根误差小于1%。

基于新型自适应平方根容积卡尔曼滤波的RSOP均衡算法

针对相干光通信系统中,传统容积卡尔曼滤波(CKF)算法和平方根容积卡尔曼滤波(SCKF)算法对偏振态旋转(RSOP)均衡存在鲁棒性不足、泛化性弱等问题,提出了一种新型的自适应SCKF算法,以实现对RSOP的跟踪补偿。该算法通过引入平方根因子直接对过程噪声协方差矩阵的平方根进行自适应更新,避免了正定分解。同时引入残差判决检测机制,对当前时刻残差值与滑窗内残差均值进行比较,将比较结果作为是否进行自适应更新的判断条件,以提升算法运行速度。仿真结果表明,所提算法在RSOP方位角变化速率为40 Mrad/s时,误码率性能满足开销为7%的前向纠错阈值条件,且相对于CKF和SCKF算法,所提算法在不同调优参量初始值下均能稳定运行。所提算法能够快速跟踪补偿RSOP,即便在初始条件不理想的情况也能稳定运行,具有鲁棒性强的优点。