适用于无人水下潜航器电池管理系统的SOC-SOH联合估计

为了提高无人水下潜航器(UUV)电池管理系统状态的估计精度,提出荷电状态-健康状态(SOC-SOH)联合估计方法.搭建测试台架,采用4组锂离子电池进行全寿命周期下的充放电测试,获取不同老化程度下的特性数据.经理论推导和实验分析设计四维表征因子,建立基于改进支持向量回归(SVR)的SOH估计模型.探究电池状态的耦合关系,建立基于扩展卡尔曼滤波(EKF)的SOC估计模型,采用遗忘因子递推最小二乘算法(RLS)更新模型参数,利用SOH对SOC估计结果进行修正.通过不同工况的实验进行验证,结果表明:四维表征因子和电池容量相关性好,SOH估计模型精度高,SOC估计模型精度在联合修正后得到提升.所提的联合估计方法具有较高的通用性和可靠性,可以作为有效的嵌入式电池管理系统状态估计算法.

基于多方法融合的锂离子电池SOC-SOH联合估计

健康状态估计对电池的实用性和经济性具有指导意义.针对电池健康状态估计难度大且估计结果极易受噪声的影响,但融合算法估计效果好且受噪声影响小,提出了基于粒子群优化深度置信网络和自适应扩展卡尔曼/自适应H_(∞)滤波((PSO-DBN)-AEKF/AHIFF)融合算法在卷积神经网络(CNN)模型下的锂离子电池SOC-SOH联合估计.首先对于健康状态(SOH)数据的预处理环节采用小波变换的方法使得噪声显著去除.其次将去噪后的数据代入训练好的CNN模型进行SOH估计,并融合((PSO-DBN)-AEKF/AHIFF)算法进行健康状态估计,最后在DST工况和UDDS工况下,搭建Matlab/Simulink/Python环境下的Typhoon HIL602+硬件在环平台进行联合估计的验证,结果显示健康状态的估计误差在1%以内,荷电状态(SOC)的估计误差在2%以内,由此证明了多方法融合的SOC-SOH联合估计的有效性,且具有较好的估计精度和鲁棒性.

联合比估计法在敏感性问题调查中的应用

文章基于定性特征敏感性随机化模型——分层抽样下的Warner模型,运用联合比估计法对敏感性问题调查比例的估计量及估计误差进行了理论推导。通过效率比较得出:当各层样本量较大、比估计有效时,联合比估计法的精度优于分层估计法的精度。经调查实例验证,上述结论正确。

L型阵水下目标方位和距离联合最大似然估计

空间目标定位是阵列信号处理领域中的研究热点,广泛应用于雷达、声纳、通信、射电天文、医学诊断、地震遥感等众多领域。传统的水下声源定位仅获取目标声源的深度和距离信息,却无法估计目标的方位信息。针对这一问题,在充分考虑水下声传播模型的基础上,利用L型阵列固有的结构特征,将最大似然估计技术应用到水下目标定位,提出一种基于L型水听器阵列的水下目标方位与距离联合最大似然估计算法。研究表明:最大似然估计法可有效突破传统波束形成分辨力“瑞利限”的限制,提高水下目标定位的分辨能力和精度。计算机仿真分析显示,在单目标和相干双目标的场景中,文中所提出的方法均具有更为尖锐的谱峰及更低的旁瓣水平,可对水下目标进行有效的方位角和距离联合估计。

基于平滑矩阵集优化的双基地MIMO雷达相干目标DOD和DOA联合估计

针对在进行相干目标测向时出现的协方差矩阵秩亏现象,双基地多输入多输出(MIMO)雷达探测相干目标会出现精度差、角度分辨率低等问题,提出一种基于分集平滑优化对相干目标波离方向角(DOD)和波达方向角(DOA)进行联合估计的算法。所提算法能通过分集平滑降维协方差矩阵,构造更有效的平滑矩阵集对相干目标进行联合角度估计。将发射阵列和接收阵列进行分集平滑并构建发射子矢量,计算其协方差矩阵;将每个发射子矢量的协方差矩阵进行平滑重构而后进行加权处理得到前向平滑矩阵;对前向平滑矩阵进行共轭翻转等变换后,得到前后向平滑矩阵,再对其进行奇异值(SVD)分解;利用降维多重信号分类(RD-MUSIC)算法对信号进行空间谱估计并实现DOD和DOA自动配对。所提算法有效提高双基地MIMO雷达对相干目标的测向性能,并通过实验证明所提算法的可行性。

联合语义分割的自监督单目深度估计方法

研究深度估计和语义分割的图像之间的互利关系,提出了一种联合语义分割的自监督单目深度估计方法USegDepth.语义分割和深度估计任务通过共享编码器,实现语义引导.为了进一步提高编码器的跨多任务性能,设计了多任务特征提取模块,堆叠该模块构成共享编码器,解决有限感受野和缺乏跨通道交互导致的模型特征表示能力欠佳问题,进一步提升模型精度.同时,提出跨任务交互模块,通过双向的跨域信息交互细化特征表示,提升深度估计表现,特别是光度一致性监督有限的弱纹理区域和物体边界.通过在KITTI数据集上的训练和全面评估,实验结果显示所提的USegDepth模型方法的均方相对误差相比于SGDepth降低了0.176个百分点,在阈值为1.253的阈值精度达到了98.4%,证明了USegDepth在深度预测上具有较高的准确率.

基于电热耦合效应的锂电池荷电状态与温度状态联合估计

准确估计电池的荷电状态(SOC)和内部温度可以提高电池的性能和安全性。其中,电池模型的准确性和估计算法的适用性是关键。为了解决这两个问题,本文建立了圆柱形锂离子电池的多参数电热耦合模型。模型考虑电池SOC与温度变化之间的耦合关系,并且利用改进的熵热系数实验获得电池运行中产生的可逆热与不可逆热,通过可变遗忘因子最小二乘算法(VFFRLS)进行参数辨识,并对比独立的电模型与热模型的SOC与内部温度估计结果,验证了多参数电热耦合模型的准确性,结果证明所提模型相比较于单独的电热模型,估计精度提高了70%以上。最后,设计了一种基于奇异值分解的卡尔曼滤波(SVD-AUKF)算法来同时在线估计SOC和内部温度,并在改进的动态测试(DST)工况下对所提方法进行实验验证。结果表明:所提方法相较于扩展卡尔曼滤波(EKF)与无迹卡尔曼滤波(UKF)算法,能实现更高精度的SOC和温度估计,SOC与内部温度的平均误差分别是5%和0.2℃。

基于FFRLS-DEKF的锂电池SOC-SOH联合估算研究

以锂电池为研究对象,构建二阶RC等效电路模型,并通过遗忘因子递推最小二乘法(FFRLS)实现电池模型的参数辨识,应用扩展EKF估算电池SOC,实现了平均误差为4.83%的准确度。为了全面评估电池性能,同时考虑到SOC与SOH的相互影响,提出一种基于双重扩展卡尔曼滤波(DEKF)算法的SOC与SOH联合估计方法,通过在不同SOC初值条件下验证所提出的联合算法,得到SOC平均误差为1.23%,SOH平均误差为0.681%,实验结果验证了联合估计方法的精准性和可靠性。

基于DAEKF算法的锂离子电池主要状态在线联合估计

为实现三元锂离子电池荷电状态(SOC)、能量状态(SOE)和健康状态(SOH)这3种主要状态的在线联合估计,并应对电动汽车实际使用工况中各种噪声干扰带来的开环累积误差问题,提高锂离子电池在线估计的稳定性,提出了一种基于双自适应扩展卡尔曼滤波(DAEKF)算法的三元锂离子电池多时间尺度主要状态在线联合估计方法。在二阶RC模型基础上推导DAEKF算法的状态空间方程,用带遗忘因子的递推最小二乘法(FFRLS)进行在线参数辨识,以微观时间尺度进行锂离子电池SOC和SOE的在线估计,以宏观时间尺度进行锂离子电池SOH的在线估计,从而实现锂离子电池3种主要状态的在线联合估计。最后,以NVR18650B型三元锂离子电池的不同运行工况对所提出的方法进行实验验证。实验结果表明:在两种验证工况下,文中方法都能够快速收敛辨识模型参数,微观时间尺度中SOC和SOE的估计误差均稳定保持在1%以内,宏观时间尺度中SOH的估计误差稳定保持在1.6%以内;与EKF算法相比,文中所提出的方法具有更高的估算精度以及更好的估计收敛性和稳定性。

基于自适应H_(2)/H_(∞)滤波的锂电池SOC和SOH联合估计

准确、实时地估计电池的荷电状态(state of charge,SOC)和健康状态(state of health,SOH)是现代电池管理系统的关键任务。通过自适应H_(2)/H_(∞)滤波器可对锂电池的SOC和SOH进行联合估计。该方法基于锂电池的二阶RC等效电路模型,采用AFFRLS法在线辨识锂电池的模型参数,并利用H_(2)/H_(∞)滤波器估计锂电池的SOC,AFFRLS辨识与H_(2)/H_(∞)滤波交替进行,得到一种自适应H_(2)/H_(∞)滤波器。SOH依据AFFRLS辨识的电池内阻进行估计,实现了锂电池SOC与SOH的联合估计。实验结果表明:自适应H_(2)/H_(∞)滤波算法的估计精度高且鲁棒性强,电池的SOC和SOH的平均估计误差始终保持在±0.19%以内,相比于EKF和H_(∞)滤波算法有更高的估计精度与稳定性。

单脉冲测角的二维分级主旁瓣干扰联合抑制方法

针对矩形平面阵列天线同时存在主、旁瓣干扰的单脉冲测角问题,该文设计了2维分级自适应单脉冲波束形成算法(TDHJ-ADBF)。TDHJ-ADBF算法将矩形平面阵分为方位维和俯仰维两个正交维度,采用2维分级处理架构:第1级处理在测角维进行,采用低运算量的压缩多重信号分类法对测角维主瓣干扰进行快速识别与方向估计,构造阻塞矩阵滤除主瓣干扰,获得仅含旁瓣干扰和噪声的协方差矩阵,进而对和、差波束方向图进行指向与鉴角曲线联合约束,完成测角维旁瓣干扰抑制与波束形成处理;第2级在非测角维对残留的测角维主瓣干扰进行抑制。通过2维分级处理实现主、旁瓣干扰联合对抗,并保持单脉冲测角的鉴角曲线线性度。仿真结果表明,TDHJ-ADBF算法实现了对主、旁瓣干扰联合抑制,具有高精度的单脉冲测角性能。

基于金枪鱼算法的最大似然信号方位与频率联合估计

针对多维非线性搜索在传统最大似然估计(ML)上的波达方向(DOA)估计存在计算量大、传统网格搜索速度慢等不足,提出了一种基于金枪鱼算法的窄带信号频率方位联合估计的最大似然DOA估计,该算法体现了良好的估计性能。仿真结果表明,该算法对单声源有精确的角度和频率估计值;在声源个数不同的情况下,与基于松鼠搜索算法、正余弦算法、原子搜索优化算法、人工蜂群算法等的估计相比,该算法有着更快的收敛速度和更低的均方根相对误差。

基于联合加权的广义二次相关时延估计算法

现有的时延估计算法在低信噪比条件下时延估计值与真实值误差较大,而时延估计的准确性直接影响声源定位的最终结果,于是提出一种联合加权的广义二次相关时延估计算法。通过在已有的广义二次相关算法的基础上,对其加权函数进行改进,联合相位变换(PHAT)和平滑相干变换(SCOT)函数,得到新的广义加权函数:SCOT/PHAT。在MATLAB中设计了基于麦克风阵列的时延估计和声源定位的仿真,并与传统的PHAT加权和基于广义二次相关的SCOT加权算法对比,结果表明,在低信噪比环境下,改进算法能得到较高的时延估计精度。

基于模型-数据联合驱动的电-气综合能源系统区间状态估计

近年来,清洁低碳的电-气综合能源系统(electricity-gas integrated energy system,EGIES)受到了广泛关注。然而,EGIES涉及不同能源形式的设备量测与信息传输,数据误差的产生因素复杂且不确定性突出,导致确定性的点状态估计可信度不足,为系统安全稳定运行带来严峻挑战。针对此问题,提出基于模型-数据联合驱动的EGIES区间状态估计方法。建立EGIES加权最小二乘(weighted least square,WLS)点状态估计模型,并利用人工鱼群算法(artificial fish swarms algorithm,AFSA)求解;考虑估计结果置信水平,利用核密度估计(kernel density estimation,KDE)构造点状态估计误差区间,进而得到区间状态估计结果;基于量测量样本与区间状态估计结果样本,训练长短期记忆(long short term memory,LSTM)神经网络得到EGIES快速区间状态估计模型。以30节点电力系统与14节点天然气系统耦合的EGIES进行算例分析,结果表明,所提区间状态估计方法的区间覆盖概率均保持在置信度水平之上。同时所提方法测试集在线估计时间仅为13.97s,相比于WLS-NR-KDE方法与WLS-AFSA-KDE方法分别降低76.44%与94.00%。

一种多级弹道导弹主动段状态/参数联合估计算法

为了提高未知弹道参数下的多级弹道导弹主动段目标跟踪精度和鲁棒性,提出了一种目标状态/参数联合估计算法。首先对多级弹道导弹主动段运动进行建模和动力学特性分析;然后在重力转弯目标跟踪模型(GT1)基础上进行改进,得到三维重力转弯目标跟踪模型(GT3),并与容积卡尔曼滤波(CKF)算法结合,设计了多级弹道导弹目标主动段状态/参数联合估计算法;在此基础上给出一种多级弹道导弹目标机动飞行模式,最后分别在常瞄准攻角飞行和机动飞行条件下完成仿真验证。GT3算法对导弹主动段三轴机动比较敏感,克服了GT1算法无法准确描述主动段运动的缺陷,算法精度、鲁棒性有所提升。GT3对瞄准攻角不为零的多级助推弹道导弹主动段跟踪表现出明显优势,且对级间切换具有一定的识别能力。

低复杂度的大规模MIMO分布式信道估计

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统传统信道矩阵获取方式导频开销大、计算复杂度高的问题,提出了一种低复杂度的二阶段分布式信道估计方案。该方案的初始阶段在基站侧采用传统压缩感知算法恢复信道矩阵,第2阶段在用户端利用信道的时间相关性,将大规模MIMO的角度域信道分解为密集部分和稀疏部分,并分别估计以实现连续信道追踪。稀疏部分信道通过所提的分布式自适应弱匹配追踪(distributed adaptive weak matching pursuit,DAWMP)算法,利用子信道的联合稀疏性进行多维重建。相比于线性最小均方误差(linear minimum mean square error,LMMSE)算法,所提方案的信道分解策略有效减少了在用户端进行信道估计的计算复杂度。仿真结果表明,所提算法与经典压缩感知信道估计算法相比,计算复杂度降低了约33%,算法性能提升了约0.5 dB。

载频-重频联合捷变雷达目标参数估计方法

针对载频重频联合捷变体制雷达目标参数估计问题,提出了一种新的基于多重信号分类(multiple signal classification,MUSIC)算法的载频重频联合捷变雷达目标参数估计方法。通过信号模型的空时等效,将时域信号的处理等效成空域阵列信号的处理,并将超分辨阵列信号处理方法应用到目标的参数估计中,从而把目标距离和速度的估计等效成阵列中二维参数的估计,解决了由于载频重频联合捷变所带来的目标参数估计难题。仿真实验表明,所提方法能有效实现对目标距离和速度的超分辨估计。

基于稀疏重构的角度-速度联合目标参数估计方法

针对目标多参数联合估计问题,利用目标在空-频域的稀疏性,提出了一种基于奇异值分解的正则化多测量矢量欠定系统聚焦求解(SVD-RMFOCUSS)算法,实现了目标角度速度参数的联合估计。在发射信号采用脉间捷变频技术的基础上,通过建立基于过完备字典矩阵的角度速度估计信号模型,采用奇异值分解提取信号子空间以降低运算量,利用RMFOCUSS算法完成目标角度速度参数与字典元素的自动匹配,给出了基于MUSIC算法的角度速度联合谱计算公式,并与文中所提算法进行了比较。仿真实验表明文中所提方法可以在低信噪比的情况下实现目标参数的精确估计,且估计性能优于MUSIC方法,具有更高的角度、速度分辨力及估计精度。同时该方法也适用于强欺骗干扰下对弱信号的检测与估计。

基于倾斜阵的距离与方位联合估计

针对阵列倾斜引起的阵不变量方法定位精度下降的问题,该文结合倾斜阵声源定位的三维模型提出一种基于倾斜阵的距离与方位联合估计算法。该算法通过自校正方位距离联合估计方法对阵列倾角在声源-接收平面的投影量进行估计和补偿,改善目标距离估计误差的同时,利用匹配出的阵列倾角投影量反向估计目标方位,获得对声源二维位置的估计。通过仿真验证了该算法能够在阵列倾角较小时实现目标方位与距离的联合估计。

频控阵MIMO雷达的目标数与方位参数联合估计方法

针对频控阵MIMO雷达定位多个目标时,需要目标数先验信息,且多维参数估计计算量大的问题,提出了一种联合估计方法。该方法利用频控阵MIMO的角度与距离依赖性,将目标数与方位参数估计转化为空间谱上的多峰优化问题;设计了一种基于密度的多峰差分进化算法对其进行求解,降低了计算量且不需要单独的目标数估计算法。仿真结果表明,所提方法的目标数和方位参数估计性能均优于已有方法,突破了已有方位参数估计方法的应用局限,可以无量化误差地得到最优方位估计结果。