| 基于自适应UKF的锂离子动力电池状态联合估计 |
| |
| 作者姓名： | 章军辉 李庆 陈大鹏 赵野 |
| |
| 作者单位： | (1. 中国科学院 微电子研究所, 北京100029; 2. 江苏物联网研究发展中心, 江苏 无锡214135; 3. 无锡物联网创新中心有限公司, 江苏 无锡214135) |
| |
| 基金项目： | 江苏省博士后科研资助计划(2020Z411); 国家重点研发计划项目(2016YFB0100516). |
| |
| 摘 要： | 针对由静态的电池模型参数而造成的状态估计累计误差、噪声统计特性的时变不确定性等实用化的问题,基于无迹卡尔曼滤波(unscented Kalman filter, UKF)框架设计了一种自适应UKF的电池状态联合估计算法.在无迹变换(unscented transform,UT)时,对量测方程进行准线性化处理,降低了循环迭代过程中的计算开销;利用带遗忘因子的Sage-Husa自适应估计方法对过程噪声的统计特性参数进行递推估计与修正,提高了UKF估计算法的自适应容错能力;实时跟踪滤波的收敛性,若呈发散趋势时,通过自适应衰减因子对误差协方差进行调整以抑制滤波发散,保证了滤波过程的数值稳定性;采用联合估计策略对一阶Thevenim电池欧姆内阻模型参数进行在线更新,以确保动态测试工况下电池模型的准确性,从而提高了电池荷电状态(state of charge,SOC)以及电池健康状态(state of health,SOH)的估计精度.实验与仿真结果验证了该电池状态联合估计算法的可行性与有效性.
|
| 关 键 词： | 荷电状态 健康状态 无迹卡尔曼滤波 自适应滤波 锂离子动力电池 |
| 收稿时间： | 2020-03-21 |
| 修稿时间： | 2020-03-21 |
|
| 点击此处可从《东北大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《东北大学学报(自然科学版)》下载全文 |
|
