原文传递
基于渐消并行卡尔曼滤波的动力电池荷电状态估计
| 论文题名： | 基于渐消并行卡尔曼滤波的动力电池荷电状态估计 |
| 关键词： | 新能源汽车;锂离子电池;渐消并行卡尔曼滤波 |
| 摘要： | 新能源汽车产业是我国“中国制造2025”确定的重点发展方向和战略性新兴产业。加快培育和发展新能源汽车是我国应对能源和环境挑战、推动传统汽车产业转型升级的紧迫任务。锂电池凭借其优越的特性成为新能源汽车动力电池的首选，荷电状态（StateofCharge，SOC）作为表征其剩余电量的指标，是新能源汽车能量管理的重要依据。本课题对锂离子电池SOC的精确估计展开深入研究，主要工作如下所述。 首先，以双极化（Dualpolarization，DP）模型为基础，分析带遗忘因子的递归最小二乘法(Recursiveleastsquares，RLS)在线辨识中参数的时变特性，分离出欧姆内阻，使RLS辨识的参数减少，减少运算量，提高辨识的精度。基于离线辨识和在线辨识对于不同工况的实用性，建立了全工况自适应等效电路模型，进一步提高了模型精度。仿真实验说明，全工况自适应等效电路模型比分离内阻的双极化R-DP在线模型和DP离线模型拥有更高的精度。 其次，对自适应渐消扩展卡尔曼滤波器（AdaptiveFadingExtendedKalmanFilter，AFEKF）进行研究，通过引入衰减因子对传统扩展卡尔曼滤波器的误差协方差矩阵进行加权，减小陈旧量测值对估计的影响，强化新的量测数据在滤波中所起的校正作用，从而能提高扩展卡尔曼滤波跟踪速度和估计精度。 最后，基于并行运算的思想，提出一种自适应渐消并行卡尔曼滤波算法（AdaptiveFadingParallelExtendedKalmanFilter，AFPEKF），解决自适应渐消扩展卡尔曼滤波器在高阶时计算量较大的问题。通过对不同状态变量的交替运算，减小自适应渐消卡尔曼滤波算法的运算量。理论分析与仿真实验证明了AFPEKF算法在对估计精度影响不大的前提下减小了算法运算量。 |
| 作者： | 司阳 |
| 专业： | 控制工程 |
| 导师： | 王国东;郭向伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河南理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
