基于抗差UKF的动力锂电池SOC估计算法研究

从锂离子电池模型的研究与优化入手,以自主设计的电池SOC仿真系统模型和硬件实验平台为基础,分析锂离子电池SOC预估算法中的粗差影响因素,建立一种新型基于抗差无迹Kalman滤波(UKF)的锂离子电池SOC预估方法。该方法将开路-AH法与抗差UKF估计理论相结合,克服传统估算方法无法消除累积误差的缺点。对照实验结果表明,新算法能够提高动力储能锂离子电池的SOC量测过程中的预估精度,对于促进动力储能锂离子电池的推广,提高动力储能锂离子电池组的能量储存能力、利用率和循环寿命有着重要的科学意义。

一种抗差自适应UKF算法及其在GNSS/SINS组合导航系统的应用

GNSS/SINS组合导航系统标准UKF算法缺乏对量测噪声方差及系统状态异常的自适应调节能力,进而影响了组合导航系统的滤波精度。为了解决上述问题,提出了一种抗差自适应UKF算法。首先,该算法引入变分贝叶斯估计原理以实时估计量测噪声方差;然后,基于滤波器预测残差,构建了自适应因子以降低系统状态异常时对导航解的影响;最后,将该算法应用于GNSS/SINS组合导航系统中,仿真结果表明,当量测噪声统计特性发生变化时,相对于标准UKF算法及抗差UKF算法,在整个仿真时段内,本文算法可提高位置精度分别为51.2%及9.3%,同时可以降低系统模型异常扰动和滤波器初值偏差对导航解的影响。实验结果表明本文算法具有较强的自适应性及抗差性,可提升复杂环境下组合导航系统的精度。

基于MRPs无陀螺卫星姿态确定的抗差估计算法

针对精确航天器姿态问题,采用修正罗德里格参数(MRPs)表示姿态,用动力学方程进行角速率的传播,分别基于等价协方差和观测残差统计特性的协方差调整方法,实现UKF算法的抗差效果,并通过仿真验证该方法的有效性。仿真结果表明:在含有粗差的情况下,两种抗差UKF算法均能得到稳定的状态估计值,而第二种方法计算效率更高。

基于SOC的锂离子电池组主动均衡系统设计

对锂离子电池组的工作状态和工作性能进行研究,采用电子技术和计算机控制技术设计智能锂离子电池组均衡控制系统。建立电池组动态模型,创新性地提出基于SOC估计值的主动均衡控制方法,该方法利用抗差无迹Kalman滤波(UKF)得到的高精度SOC估计值作为决策基础。通过18650型锂离子电池组仿真实验表明,所设计的电池组主动均衡系统和新型均衡算法具有较好的实时性和较高的控制精度,对提高纯电动汽车的能量利用率具有重要的现实意义。