高技术通讯
高技術通訊
고기술통신
HIGH TECHNOLOGY LETTERS
2012年
2期
198-204
,共7页
自适应扩展卡尔曼滤波(AEKF)%荷电状态(SOC)%参数辨识%电池模型%锂离子电池%电动汽车
自適應擴展卡爾曼濾波(AEKF)%荷電狀態(SOC)%參數辨識%電池模型%鋰離子電池%電動汽車
자괄응확전잡이만려파(AEKF)%하전상태(SOC)%삼수변식%전지모형%리리자전지%전동기차
进行了用自适应扩展卡尔曼滤波(AEKF)算法估计电动车用锂离子动力电池的荷电状态(SOC)的研究.基于混合脉冲功率特性(HPPC)试验,利用遗传优化算法改进Thevenin电路模型参数辨识方法,且从充放电两个方向来获得模型参数,然后在动态应力测试(DST)工况下对改进的模型进行仿真验证分析,基于改进的模型和联邦城市行驶工况(FUDS),应用AEKF算法开展SOC估计研究.仿真和台架试验结果对比表明,改进的Thevenin电路模型和AEKF算法均具有较高的精度,最大估算误差分别为1.70％和2.53％；同时AEKF算法具有较好的鲁棒性,可以有效地解决初始估算不准和累计误差的问题.
進行瞭用自適應擴展卡爾曼濾波(AEKF)算法估計電動車用鋰離子動力電池的荷電狀態(SOC)的研究.基于混閤脈遲功率特性(HPPC)試驗,利用遺傳優化算法改進Thevenin電路模型參數辨識方法,且從充放電兩箇方嚮來穫得模型參數,然後在動態應力測試(DST)工況下對改進的模型進行倣真驗證分析,基于改進的模型和聯邦城市行駛工況(FUDS),應用AEKF算法開展SOC估計研究.倣真和檯架試驗結果對比錶明,改進的Thevenin電路模型和AEKF算法均具有較高的精度,最大估算誤差分彆為1.70％和2.53％；同時AEKF算法具有較好的魯棒性,可以有效地解決初始估算不準和纍計誤差的問題.
진행료용자괄응확전잡이만려파(AEKF)산법고계전동차용리리자동력전지적하전상태(SOC)적연구.기우혼합맥충공솔특성(HPPC)시험,이용유전우화산법개진Thevenin전로모형삼수변식방법,차종충방전량개방향래획득모형삼수,연후재동태응력측시(DST)공황하대개진적모형진행방진험증분석,기우개진적모형화련방성시행사공황(FUDS),응용AEKF산법개전SOC고계연구.방진화태가시험결과대비표명,개진적Thevenin전로모형화AEKF산법균구유교고적정도,최대고산오차분별위1.70％화2.53％；동시AEKF산법구유교호적로봉성,가이유효지해결초시고산불준화루계오차적문제.
