基于EKF算法的纯电动汽车锂电池SOC与SOH联合估算

为提高对动力电池的荷电状态(state of charge, SOC)估算精度、动力电池的健康状态(state of health, SOH)对锂电池性能的影响,提出一种扩展卡尔曼滤波(extended kalman filtering, EKF)联合估算算法。根据现有的实验数据,分析锂电池特性,构建二阶RC等效电路模型,并进行参数辨识,搭建MATLAB仿真平台联合EKF算法进行SOC估算,将仿真结果与真实数据进行对比,结果表明,EKF联合估算SOC比EKF估算SOC误差精度约高1.2%,且抗干扰能力更强。

基于复合EKF算法的锂电池组的SOC估计

动力锂电池组的荷电状态SOC估计是电动汽车能量控制的重要参数。针对串联锂电池组的SOC估计问题,利用扩展卡尔曼滤波法(EKF)和传统的安时积分法相结合(复合EKF算法)优势互补,并运用对于扩展卡尔滤波法较准确地估计电池的Thevenin模型,以电池组的最小单体电池的电压作为参考电压值,用提出的算法结合所选用的电池模型,对模拟电动车的实际工况进行电池组放电实验,证明这种复合算法不但比EKF法估计SOC准确,对误差还有一定的修正能力,而且还能满足电动车SOC准确度的需要。

基于EKF算法的弹道导弹助推段跟踪建模与仿真

围绕弹道导弹助推段跟踪问题,分析了助推段反弹道导弹的基本作战过程,建立了弹道导弹助推段动力学模型,分别就单传感器/单弹道导弹和多传感器/多弹道导弹两种情况建立了基于EKF算法的弹道导弹助推段跟踪模型,并通过算例验证了模型和算法的有效性,可为助推段反弹道导弹建模与仿真提供一定的参考。

抗差EKF算法及其在GPS/BDS动态相对定位中的应用

扩展Kalman滤波算法(etended Kalman filter,EKF)对观测值质量要求较高,当观测值带有粗差时,EKF算法收敛失真甚至发散。提出采用抗差估计与EKF相结合的抗差EKF方法处理GNSS动态定位中的粗差问题。结果表明,抗差EKF方法可以有效抑制粗差观测值的影响,其定位精度相对标准EKF方法改善率优于70%。

基于EKF算法的蓄电池等效电路模型参数仿真研究

蓄电池在充放电过程中,其内部存在着复杂的电化学反应,导致蓄电池荷电状态(SOC)及各个参数是多维、非线性的关系。因此,本文基于7-HK-182型铅酸蓄电池建立等效电路模型,进行参数辨识。在此基础上,采用扩展卡尔曼滤波(EKF)算法,利用Matlab软件对蓄电池SOC及各个参数进行实时仿真,通过仿真与实验结果对比验证了EKF算法的实时性与准确性。

一种LFM信号波形下的序贯EKF算法

研究在LFM信号波形下把径向速度测量引入Kalman滤波的新方法,分析了LFM信号波形下距离和径向速度测量的统计特性.在分析位置测量更新后状态估计误差与径向速度测量噪声统计相关性的基础上,导出了等价的径向速度测量方程,其测量噪声与位置测量更新后的状态滤波误差统计不相关,由此而得到序贯处理的EKF算法.蒙特卡罗仿真结果表明,采用这一新算法引入径向速度测量,可以有效地消除距离-多普勒耦合引起的偏差,提高状态估计精度,而且其估计性能优于传统的EKF.

航空发动机风扇转速融合EKF算法及其信号闭环仿真研究

基于航空发动机安全性与稳定性,以卡尔曼滤波原理为依据,设计风扇转速融合EKF算法,根据发动机热力参数融合的转速信号为反馈,进行信号闭环控制仿真。仿真结果表明,信号闭环控制性能良好,符合通过物理传感器信号反馈的个性化指标要求,可确保风扇传感器失效状态下依旧能够高精确把控转速指令;基于仿真明确指出了稳定性与可靠性优化具体方向,发现三参数合成融合算法的控制性能与稳定性最佳,是最理想化的风扇转速融合EKF算法。

基于EKF算法的磷酸铁锂电池在线SOC估算

文章针对大倍率放电条件下,磷酸铁锂电池极化效应加剧变快的现象,考虑了电流对极化参数值影响的电池模型,基于改进后的电池模型,搭建了由dSPACE、可编程电源及电子负载组成的可控电池实验台架,并应用卡尔曼滤波理论对磷酸铁锂电池进行在线SOC状态估算;实验结果表明,改进后的电池模型提高了SOC估算的精度。

基于EKF算法的神经网络估算锂电池SOC

荷电状态是电池的一个重要参数,为了精确地估计电池的SOC值,建立了Thevenin等效电路模型,将EKF与神经网络结合,利用EKF算法实时更新神经网络模型的权值和阈值。Matlab仿真结果证明,EKF神经网络比BP神经网络精度高,拟合效果好,可以更精确地估算锂电池SOC。最后通过实验验证,在HPPC工况下,二阶RC锂电池模型仿真结果和实验结果的误差在2%以内,在UDDS工况下仿真结果和实验结果的误差在4%以内,模型在两种工况下的精度均符合要求。

基于分数阶锂电池模型的FOMIAEKF算法SOC估计

以分数阶微分理论为依据,建立分数阶二阶RC等效电路模型,采用自适应遗传算法(AGA)结合脉冲放电实验对模型的参数进行辨识,并对整数阶模型和分数阶模型的精度进行对比。针对分数阶模型的特点以及扩展卡尔曼滤波器(EKF)算法的不足,提出了基于分数阶模型的多新息自适应EKF算法,通过与健康状态(SOH)联合估计来实时修正荷电状态(SOC)模型参数。结果表明,搭建的分数阶模型可以更好地描述锂电池的特性,分数阶多新息自适应扩展卡尔曼滤波器(FOMIAEKF)算法和联合估计方法可以有效提高估算的精度和跟踪的速度。

基于DSP和EKF算法的动力电池SOC评估系统

精确的电池SOC数据是电动汽车正常运行的关键,EKF算法通过递推运算能够从软件层面有效地消除SOC估算过程中的误差累积,但实际估算精度和适用性依赖于可靠的硬件系统。因此,设计了一种电池SOC在线评估系统,16位ADC模块确保了系统数据采集精度;主控DSP2407芯片可靠有效地实现了算法运行和系统状态显示功能。实验测试表明,A/D数据结果的平均误差较小,算法运算结果与理论仿真结果一致,硬件系统能够满足精度设计要求,且工作稳定。

基于EKF算法的锂电池SOC估算策略

在电池管理系统中,电池荷电状态(SOC)的准确估算具有重要的地位,其重要性不仅在于可以向使用者提示电池的剩余电量,更在于它是电池充放电管理和均衡控制管理的基础。而SOC受许多因素的影响,如温度以及电流的大小、方向等,它的准确预测也较困难。提出了一种用扩展卡尔曼滤波(EKF)算法估计锂电池SOC的方法,建立电池仿真模型,通过混合动力脉冲能力特性(HPPC)试验进行了参数辨识。在恒流放电下模型的SOC估算误差约2.1%,说明该模型有效且易于应用。

基于滚动时域估计EKF算法的电池SOC预测

扩展卡尔曼滤波算法(EKF)是分析电池SOC估计的有效工具,对于非线性系统具有良好的估计结果。但在实际情况下,测量噪声的模型不再是0均值白噪声,导致预测结果有较大误差。提出利用滚动时域(MHE)算法与扩展卡尔曼滤波算法结合,采用滚动时域窗口的思想,综合前N个时刻的窗口信息来估计当前的SOC。通过建立到达函数并加入M估计器替代测量误差,将预测问题转化为优化问题,并根据EKF的求解思想给出了近似最优解。实验仿真证明,该算法可以有效提高SOC的估计精度。

基于EKF算法的微型AHRS模块设计

微型航姿参考系统(AHRS)模块是由微机电系统(MEMS)惯性器件以及STM32微型处理器组成的航姿参考系统,广泛应用于民用无人机领域。针对MEMS惯性器件易受外界环境干扰、数据易漂移导致姿态解算数据不稳定、精度不高的问题,提出一种适应于AHRS模块的扩展卡尔曼滤波(EKF)算法,通过算法完成AHRS模块内的多传感器信息融合,保障AHRS模块输出高精度的姿态数据。利用高精度三轴无磁转台对其进行动静态精度测试,采集并分析AHRS在动态环境下的各个轴向角实时数据与误差数据。结果表明,该航姿参考系统能够满足小型化、低功耗和低成本设计要求,适用于民用无人机领域。

基于EKF算法的三轴磁力仪一体化补偿方法

地磁导航因其自身的隐蔽性、自主性、高鲁棒性相比于传统导航方式有着诸多优势。针对飞行器在飞行过程中频繁进行姿态变换的现状,相比于以往单一建模方式,文中引进涡流磁场进行一体化建模,并采用EKF算法进行补偿。仿真结果表明,含涡流的一体化模型在做姿态变换的飞行器磁场补偿中,既明显降低了误差幅值,又有效滤除涡流磁场所引起的波动,有着更高、更稳定的补偿精度。实验结果亦证明了仿真结果的正确性。

基于改进EKF算法的锂电池SOC估算

采用传统EKF算法对电池SOC估算时,系统噪声先验特性未知及电池模型误差会影响电池SOC估算的精度。论文提出一种基于改进EKF算法的锂电池SOC估算方法:通过建立电池等效电路模型,联合安时积分法原理,得到系统的状态空间方程;接着引入数据校正的思想,运用Cauchy鲁棒函数,以EKF观测方程的真实值与估计值之间的残差为依据,实时矫正了滤波状态噪声协方差阵Q,且在SOC区间内通过观测噪声协方差阵R进行了动态调整,使算法具有更强的鲁棒性。仿真结果表明,与传统的EKF算法相比,改进后的EKF算法估算误差降低了3.5%,且算法的平均误差保持在0.68%左右,验证了该方法的有效性及精确性。

基于EKF算法的车载电池SOC估算研究

电池荷电状态(SOC)的估算是电动汽车电池管理系统中的关键技术之一。由于电动汽车运行工况复杂多变,且电池SOC估算会受到一系列因素的影响,所以很难保证SOC在实际应用中的估算精度。本文中,基于扩展卡尔曼滤波(EKF)修正算法对车载电池SOC进行估算,并与安时积分算法进行对比。结果表明,该算法有效解决了安时积分法难以估计SOC初始值和累计误差的问题,大大提高了估算精度。

使用KF/EKF算法的新能源汽车电池组故障在线监控系统

本文介绍了一种使用KF/EKF算法的新能源汽车电池组故障在线监控系统。该系统使用KF/EKF算法,采取了Android的运行形式,实现了登录、通信、显示(电池参数显示和地图显示)和设置功能,能够对新能源汽车电池组的故障监控,延长新能源汽车电池组的使用寿命,提升新能源汽车电池组的健康水平等目标。

基于AFEKF的锂离子电池SOC估算方法

针对利用扩展卡尔曼滤波算法估算锂电池荷电状态时,由于历史数据影响易产生累积误差的问题,提出了一种基于自适应渐消扩展卡尔曼的SOC估算方法。选用Thevenin等效模型并用递推最小二乘法进行电池参数辨识,通过将自适应渐消因子引入EKF算法中,抑制历史数据对当前状态估算的影响,完成锂电池SOC估算。结果表明:AFEKF算法在递推20次时可有效收敛,具有较好鲁棒性,估算SOC的平均误差为1.03%,误差均方根为1.21%,平均运行时间为1.476 s,可以较好地模拟电池的动静态特性。

水下重力匹配导航的非线性滤波算法研究

地球重力场辅助惯性导航系统应用于水下运载体的导航定位,能够有效降低惯性导航系统误差随时间累积的影响,保证水下运载体的长时间导航精度。EKF算法与UKF算法是两种常用的非线性滤波算法,以水下重力匹配导航为例,在南海选取两块重力异常变化剧烈程度不同的海域开展仿真试验,试验结果表明:两种算法都能够匹配真实航迹,有效降低惯导定位误差,采用UKF算法的导航定位精度水平较EKF算法提升30%以上,具有较好的精度提高作用。