机电工程
機電工程
궤전공정
MECHANICAL & ELECTRICAL ENGINEERING MAGAZINE
2014年
9期
1213-1217
,共5页
矿用电池%荷电状态%采样点卡尔曼滤波%奇异值分解%强跟踪滤波器
礦用電池%荷電狀態%採樣點卡爾曼濾波%奇異值分解%彊跟蹤濾波器
광용전지%하전상태%채양점잡이만려파%기이치분해%강근종려파기
mine-used battery%state of charge(SOC)%sampling point Kalman filter%singular value decomposition%strong tracing filter
为了实时、准确地估计矿用电池SOC值,通过采用加权统计线性回归法实现模型函数线性化,将采样点卡尔曼滤波技术应用到矿用电池SOC估计中.针对有限的电池管理系统资源,基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点,提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法;为了使得该算法具有应对突变状态的强跟踪能力和应对模型不准确的鲁棒性,引入了奇异值分解,采用特征协方差矩阵代替误差协方差矩阵,并基于强跟踪原理引入了次优渐消因子.仿真结果表明,基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量,并具有跟踪突变状态和应对模型不准确的鲁棒性,完全适用于资源有限的矿用电池SOC估计;可见,该算法具有良好的实际应用价值.
為瞭實時、準確地估計礦用電池SOC值,通過採用加權統計線性迴歸法實現模型函數線性化,將採樣點卡爾曼濾波技術應用到礦用電池SOC估計中.針對有限的電池管理繫統資源,基于電池狀態觀測複閤模型的狀態方程線性和觀測方程非線性的特點,提齣瞭將標準卡爾曼濾波和採樣點卡爾曼濾波組閤的非線性濾波算法;為瞭使得該算法具有應對突變狀態的彊跟蹤能力和應對模型不準確的魯棒性,引入瞭奇異值分解,採用特徵協方差矩陣代替誤差協方差矩陣,併基于彊跟蹤原理引入瞭次優漸消因子.倣真結果錶明,基于改進型採樣點卡爾曼濾波的礦用電池SOC估計算法兼顧估計精度和運算量,併具有跟蹤突變狀態和應對模型不準確的魯棒性,完全適用于資源有限的礦用電池SOC估計;可見,該算法具有良好的實際應用價值.
위료실시、준학지고계광용전지SOC치,통과채용가권통계선성회귀법실현모형함수선성화,장채양점잡이만려파기술응용도광용전지SOC고계중.침대유한적전지관리계통자원,기우전지상태관측복합모형적상태방정선성화관측방정비선성적특점,제출료장표준잡이만려파화채양점잡이만려파조합적비선성려파산법;위료사득해산법구유응대돌변상태적강근종능력화응대모형불준학적로봉성,인입료기이치분해,채용특정협방차구진대체오차협방차구진,병기우강근종원리인입료차우점소인자.방진결과표명,기우개진형채양점잡이만려파적광용전지SOC고계산법겸고고계정도화운산량,병구유근종돌변상태화응대모형불준학적로봉성,완전괄용우자원유한적광용전지SOC고계;가견,해산법구유량호적실제응용개치.
