检索结果-内蒙古大学图书馆

电器与能效管理技术 2024年第6期 42-48页

作者：李洋石振刚沈阳理工大学信息科学与工程学院辽宁沈阳110159

锂电池的荷电状态(SOC)是锂电池质量管理的核心之一。基于有效的SOC估计是确保锂电池安全高效工作的必要条件,提出一种利用粒子群算法(PSO)优化反向传播(BP)神经网络,并将优化后的BP神经网络SOC输出值作为无迹卡尔曼滤波(UKF)观测值的... 详细信息

锂电池的荷电状态(SOC)是锂电池质量管理的核心之一。基于有效的SOC估计是确保锂电池安全高效工作的必要条件,提出一种利用粒子群算法(PSO)优化反向传播(BP)神经网络,并将优化后的BP神经网络SOC输出值作为无迹卡尔曼滤波(UKF)观测值的锂电池SOC估计方法。使用来自马里兰大学的FUDS工况电池测试数据,将所提的PSO-BP-UKF算法与GA-BP-UKF算法、BP算法进行对比。结果表明,在25℃环境下,PSO-BP-UKF算法的最大偏差<3.17%,平均误差<6.44%,均方根偏差<0.0025,相比GA-BP-UKF算法和BP方法都有较大幅度的提高,说明所提算法具备有效性与实用性。

关键词： SOC估计无迹卡尔曼滤波算法锂电池粒子群算法 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于位置预测和末端引导的反制无人机系统关键技术研究

基于位置预测和末端引导的反制无人机系统关键技术研究

引用

作者：邹琳西安建筑科技大学

学位级别：硕士

随着无人机技术的快速发展,其在军事、商业和民用领域的应用日益广泛,特别是在军事领域,无人机的作用尤为显著。然而无人机的广泛使用也带来了潜在的安全威胁,因此研究有效的反制无人机技术显得尤为重要。本文通过对国内外在无人机反制... 详细信息

随着无人机技术的快速发展,其在军事、商业和民用领域的应用日益广泛,特别是在军事领域,无人机的作用尤为显著。然而无人机的广泛使用也带来了潜在的安全威胁,因此研究有效的反制无人机技术显得尤为重要。本文通过对国内外在无人机反制技术方面的研究现状及不同无人机感知技术和拦截技术的对比分析,确定了以监测系统、位置预测系统、飞行引导系统和末端引导系统于一体的反制无人机策略。因位置预测系统和末端引导系统在整个反制无人机控制系统中起关键性作用,所以本文主要针对位置预测系统和末端引导控制系统展开研究。在位置预测系统中,使用滤波算法完成对目标无人机的位置预测开展研究。针对地面雷达对目标无人机的位置观测偏差较大的问题,提出采用无迹卡尔曼滤波算法以减小对目标无人机的飞行位置预测偏差。首先建立目标无人机运动方程及地面站对目标无人机的观测方程,其次针对线性和非线性的观测方程完成了线性和非线性的卡尔曼滤波预测。使用地面站雷达作为观测器时,观测参数距离、仰角和方位角都是非线性的,因此对比了非线性的扩展卡尔曼滤波和无迹卡尔曼滤波预测结果。结果表明,扩展卡尔曼滤波只能精确到一阶,无法在引入二阶加速度噪声的目标无人机运动方程中得到准确的结果,因此在位置预测系统中选用了无迹卡尔曼滤波算法,以提高跟踪精度。最后使用无迹卡尔曼滤波算法完成了对目标无人机三轴两阶的位置预测,并有效降低了跟踪预测误差。在末端引导系统中,对拦截无人机的末端引导姿态控制开展研究。针对拦截无人机飞行过程中的抖动问题,提出在无人机控制器姿态角内环增加模糊自适应PID控制算法的方法。首先建立四旋翼拦截无人机及机载雷达探测的数学模型;其次建立拦截无人机双通道串级PID控制器,在完成轨迹跟踪验证的基础前提下,建立模糊规则表和姿态角内环模糊自适应控制器,完成了基于模糊自适应PID的拦截无人机末端引导控制仿真。仿真结果表明,该系统可动态调整PID参数以适应系统的变化,在提高控制性能的同时,有效减小了拦截无人机在末端引导飞行过程中的抖动情况,提高了飞行姿态的稳定性。最后设计了空中定点目标拦截无人机末端引导姿态控制系统所需硬件电路及软件程序,完成了相关实验验证。实验结果与仿真结果一致,验证了模糊自适应拦截无人机姿态控制系统的有效性和可行性。因此本文基于无迹卡尔曼滤波的目标无人机位置预测可以显著降低地面雷达的观测误差,帮助末端引导系统的机载雷达更容易地锁定目标无人机;同时提出的基于模糊自适应PID末端引导姿态控制策略增强了拦截无人机飞行姿态的稳定性,为反制无人机控制系统的精确性和可靠性奠定了基础。

关键词：位置预测无迹卡尔曼滤波算法末端引导模糊自适应PID 反制无人机系统

来源：评论

学校读者我要写书评

暂无评论

基于卡尔曼滤波的船舶操纵运动参数辨识建模

基于卡尔曼滤波的船舶操纵运动参数辨识建模

引用

作者：李晴昊大连海事大学

学位级别：硕士

高精度的船舶操纵运动数学模型是无人船自主航行控制的核心之一,是船舶操纵性预报的基础。目前,机理建模和辨识建模是获得船舶操纵运动数学模型的主要方式,近些年基于数据驱动的系统辨识手段成为了该领域的主要研究热点。扩展卡尔曼滤波... 详细信息

高精度的船舶操纵运动数学模型是无人船自主航行控制的核心之一,是船舶操纵性预报的基础。目前,机理建模和辨识建模是获得船舶操纵运动数学模型的主要方式,近些年基于数据驱动的系统辨识手段成为了该领域的主要研究热点。扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法由于其结构简单、辨识效率高且可以处理非线性问题被广泛应用于参数辨识领域。但因为其一阶近似假设,导致对非线性较强和参数较多的模型辨识时,容易出现辨识精度低的问题。本文基于EKF算法,对无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法和容积卡尔曼滤波(Cubature Kalman filter,CKF)算法进行船舶操纵运动数学模型参数辨识研究。本文的主要工作如下: (1)基于多新息技术提出了多新息无迹卡尔曼滤波(Multi-Innovation Unscented Kalman Filter,MIUKF)船舶操纵运动模型参数辨识算法。将通过无迹变换(Unscented Transformation,UT)对系统状态概率分布进行近似的UKF算法引入多新息技术,使历史时刻新息与当前时刻新息共同对系统状态进行修正并引入遗忘因子,为了提高UKF算法的辨识精度。在算法验证方面,对Mariner船模包含舵机模型的二阶非线性响应模型参数,进行辨识和泛化性验证。结果表明,增加新息长度能够提高船舶运动模型参数的辨识精度。 (2)基于均方根方法提出了均方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SRUKF)船舶操纵运动模型参数辨识算法。通过将均方根方法引入UKF算法,解决了UKF算法对复杂模型参数进行辨识时,状态方差失去正定性而导致的滤波中断问题。在算法验证方面,分别对Mariner船模的二阶非线性响应模型参数、Cybership Ⅱ船模的水动力模型参数,进行辨识和泛化性验证。结果表明,该算法对水动力导数的辨识具有较高精度,有效克服了状态方差矩阵的非正定性,验证了所提出算法的有效性。 (3)基于均方根方法提出了均方根容积卡尔曼滤波(Square Root Cubature Kalman Filter,SRCKF)船舶操纵运动模型参数辨识算法。通过将均方根方法引入CKF算法,解决了CKF算法对复杂模型参数进行辨识时,状态方差失去正定性而导致的滤波中断问题,克服了SRUKF算法辨识精度受到UT变换参数选取的影响。在算法验证方面,分别对Mariner船模的二阶非线性响应模型参数、Cybership Ⅱ船模的水动力模型参数,进行辨识和泛化性验证。结果表明,该算法对水动力导数的辨识具有较高精度,有效克服了状态方差矩阵的非正定性,验证了所提出算法的有效性。

关键词：船舶操纵运动数学模型系统辨识无迹卡尔曼滤波算法容积卡尔曼滤波算法

来源：评论

学校读者我要写书评

暂无评论

基于激光雷达和毫米波雷达信息融合的多目标检测算法研究

基于激光雷达和毫米波雷达信息融合的多目标检测算法研究

引用

作者：乐帆长沙理工大学

学位级别：硕士

基于多传感器信息融合技术的目标检测在自动驾驶环境感知种具有重要的作用。然而,基于激光雷达和毫米波雷达信息融合的多目标检测过程中往往存在以下关键问题:1)激光雷达在测量过程中容易因目标受遮挡而导致漏检;2)如何根据激光雷达和... 详细信息

基于多传感器信息融合技术的目标检测在自动驾驶环境感知种具有重要的作用。然而,基于激光雷达和毫米波雷达信息融合的多目标检测过程中往往存在以下关键问题:1)激光雷达在测量过程中容易因目标受遮挡而导致漏检;2)如何根据激光雷达和毫米波雷达采集的信息对目标进行准确的跟踪;3)如何对激光雷达和毫米波雷达跟踪的目标进行合理的关联和融合以准确获取跟踪目标的状态。为此,论文对基于激光雷达和毫米波雷达信息融合下的多目标检测方法进行研究。首先,论文基于恒定转弯率和速度(Constant Turn Rate and Velocity,CTRV)模型建立了自动驾驶汽车的运动学模型,并综合旋转平移矩阵对激光雷达和毫米波雷达进行空间统一,此外,根据两传感器采样频率的不同进行时间统一;其次,利用统计滤波算法剔除传感器中采集到的因受噪声和自身测量精度影响的无效的数据信息,并采用随机抽样一致(Random Sample Consensus,Ransac)算法分割地面点云。为了降低点云中近密远疏现象对聚类结果的影响,基于距离分区的欧氏聚类算法用于对地面上的目标进行聚类,并与模糊C均值聚类算法进行对比;再次,应用基于马氏距离的匈牙利匹配算法对两传感器预处理后的数据进行关联;从次,为了降低无迹卡尔曼滤波算法在信息融合过程中的计算复杂度,提出了基于无迹卡尔曼滤波和协方差交集的传感器信息融合算法,并采用分布式信息融合系统作为融合结构;最后,利用Matlab仿真软件搭建了基于车载激光雷达和毫米波雷达的多目标检测虚拟环境,对本文算法的可行性进行验证。其中,应用广义最优子模式分配(Generalized Optimal SubPattern Assignment,GOSPA)指标对算法检测精度进行评估分析。此外,为了验证本文算法在真实交通环境中的有效性,选取公开数据集Nuscenes进行验证。仿真结果表明,基于无迹卡尔曼滤波和协方差交集信息融合算法在检测精度上优于联合概率密度(Joint Probabilistic Data Association,JPDA)、高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)算法对多目标的检测。因此,无迹卡尔曼滤波和协方差交集信息融合算法为基于激光雷达和毫米波雷达信息融合的多目标检测研究提供一种新思路和依据。

关键词：多传感器信息融合目标检测无迹卡尔曼滤波算法协方差交集算法

来源：评论

学校读者我要写书评

暂无评论

基于SVD和UKF的科氏流量计信号处理方法研究

引用

电子器件 2025年第1期48卷 20-24页

作者：郭景阳刘铁军谢代梁徐雅黄震威中国计量大学浙江省流量计量技术研究重点实验室浙江杭州310018

针对科氏流量计在单相流情况下信号缓慢变化的特点和较高的测量精度需求,提出了一种SVD和UKF相结合的科氏流量计信号处理方法。首先采用SVD去噪方法减弱信号所携带的干扰噪声,然后建立待测信号的状态矢量、状态转移方程和观测方程,使用... 详细信息

针对科氏流量计在单相流情况下信号缓慢变化的特点和较高的测量精度需求,提出了一种SVD和UKF相结合的科氏流量计信号处理方法。首先采用SVD去噪方法减弱信号所携带的干扰噪声,然后建立待测信号的状态矢量、状态转移方程和观测方程,使用UKF算法对测量管两路输出信号进行参数追踪,最后利用更新后的状态估计值计算出相位差和信号频率。给出了方法的总体流程和实现步骤,并通过仿真和实际测试证明了整套算法是可行的,具有一定的应用价值。

关键词：科氏流量计奇异值分解无迹卡尔曼滤波算法相位差频率估计

来源：评论

学校读者我要写书评

暂无评论

分布式驱动电动汽车状态与路面附着系数估计研究

分布式驱动电动汽车状态与路面附着系数估计研究

引用

作者：刘宁杰湘潭大学

学位级别：硕士

近年来,随着汽车数量的日益增多,诸多环境污染和石油资源紧缺等问题开始突显。在全球大力寻找可替代清洁能源的背景下,电动汽车产业迅猛发展。分布式驱动电动汽车采用四个电机直接驱动,在车辆动力学控制方面具有巨大潜力。先进的车辆动... 详细信息

近年来,随着汽车数量的日益增多,诸多环境污染和石油资源紧缺等问题开始突显。在全球大力寻找可替代清洁能源的背景下,电动汽车产业迅猛发展。分布式驱动电动汽车采用四个电机直接驱动,在车辆动力学控制方面具有巨大潜力。先进的车辆动力学控制方法依赖于准确而实时的路面-车辆状态参数信息,但采用传感器直接测量方式获取路面附着系数与车辆自身关键动力学等参数,成本过高且适应性较差,所以常采用非线性滤波方法估计获得。相较于传统汽车,分布式驱动电动汽车使用线控系统并且四个车轮独立可控,车轮的转矩、转速等参数更易获取,可以为车辆状态参数估计器提供更加丰富可靠的信息,有助于提高车辆行驶过程中状态信息和关键参数估计结果准确性。本文以分布式驱动电动汽车为研究对象,针对路面附着系数与非线性车辆动力学状态估计展开研究,论文的主要研究内容如下: (1)联合Matlab/Simulink和Carsim软件平台,搭建了分布式驱动电动汽车整车模型,包括车体模型、轮胎力计算模型、电机模型、车速跟随模型,并以Carsim商业软件中的高精度车辆模型作为参考,验证了所建立模型的合理性与精确性。 (2)针对滤波过程中由于系统噪声和测量噪声特性未知造成估计精度下降的问题,采用蚁狮优化算法(Antlion Optimization Algorithm,ALO)对过程噪声和测量噪声协方差矩阵进行实时辨识,设计了基于蚁狮优化算法(ALO)的无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)车辆状态估计器。通过Matlab/Simulink-Carsim联合仿真平台验证了本文提出的算法的有效性和精确性。 (3)综合考虑基于车轮旋转动力学与Dugoff轮胎模型的纵向力计算优势,设计了自校正信息融合轮胎纵向力计算方法,并对Dugoff轮胎模型进行归一化变形。结合Sage-Husa自适应滤波思想设计了基于自适应平方根无迹卡尔曼滤波算法(Adaptive Square Root Unscented Kalman Filter Algorithm,ASRUKF)的路面附着系数估计器,并在不同路面工况下验证了本文提出算法的优越性。

关键词：分布式驱动电动汽车车辆状态估计无迹卡尔曼滤波算法 Sage-Husa自适应滤波

来源：评论

学校读者我要写书评

暂无评论

长航程AUV均衡系统参数辨识方法研究

长航程AUV均衡系统参数辨识方法研究

引用

作者：郭平沈阳化工大学

学位级别：硕士

近年来,面对大范围的海洋观测和复杂的海洋环境,具备全天候、智能化、低功耗和长续航能力的自主水下机器人(Autonomous Underwater vehicle,AUV),深受各国的关注。本文以“海鲸2000”长航程AUV为研究对象,它是一种用于长时间海洋观测的... 详细信息

近年来,面对大范围的海洋观测和复杂的海洋环境,具备全天候、智能化、低功耗和长续航能力的自主水下机器人(Autonomous Underwater vehicle,AUV),深受各国的关注。本文以“海鲸2000”长航程AUV为研究对象,它是一种用于长时间海洋观测的远程AUV。由于长航程AUV在穿越不同海水密度的水团或海洋环境发生变化时,AUV自身净浮力和重心位置会发生改变,而这些参数的变化无法通过传感器直接测量获得,这对AUV均衡系统自适应调节产生影响。AUV均衡系统调节是确保AUV在复杂海洋环境中以近似中性浮力(净浮力为零)和零攻角高效航行的关键,要求AUV能感知自身均衡系统参数的变化,为后续AUV均衡系统的调节提供参数依据,保证AUV能够高效航行。但AUV系统模型具有高度非线性和强耦合性的特点,加上其搭载的测量传感器观测维度有限,使得AUV均衡系统参数辨识存在一定挑战。如何实现AUV均衡系统参数的辨识和估计精度的提高,是值得深入研究的问题。因此本文在以往研究的基础上,对复杂海洋环境下的长航程AUV均衡系统参数的辨识进行了深入研究,主要研究内容如下: 1.为了提供准确合适的长航程AUV参数辨识模型,本文根据长航程AUV结构特点,结合运动学和动力学特性,对长航程AUV进行了运动建模。首先建立坐标系和AUV运动学模型,然后以传统AUV动力学模型为基础,将净浮力和重心变化量作为可变状态参数引入到动力学模型,并将AUV运动参数和舵角之间的耦合影响加入到模型中,提高模型精度,建立长航程AUV动力学模型;最后根据AUV实际运动作业情况,只进行垂直面运动研究,建立简化的垂直面动力学模型。 2.利用长航程AUV实际航行数据开展垂直面动力学模型参数辨识研究。针对AUV数据采集精度低和观测维度有限,为长航程AUV配备了新型高精度姿态传感器。基于简化的AUV垂直面动力学模型,结合AUV实际航行数据,利用最小二乘法对动力学模型中的水动力系数和执行机构影响系数进行了辨识和模型验证,得到了AUV垂直面动力学模型参数,为后续开展均衡系统参数辨识提供模型参数依据。 3.开展了基于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的长航程AUV均衡系统参数辨识研究。针对“海鲸2000”长航程AUV系统模型具有非线性的特点,采用一种基于UKF算法的AUV参数辨识方法。由于AUV浮力调节和俯仰调节过程存在耦合性,因此基于AUV不同工作状态建立参数辨识模型,分别采用UKF算法进行了仿真实验,并和卡尔曼滤波算法进行对比分析,通过仿真验证了UKF算法的可行性,并且具有较好的收敛性和稳定性。 4.基于长航程AUV海试数据开展了辨识方法验证实验。对长航程AUV实际海试采集的一次数据进行分析,并选取其中定深航行的一段数据经过处理后进行实验验证,通过实验进一步验证了UKF方法的有效性。

关键词：长航程AUV 均衡系统动力学模型无迹卡尔曼滤波算法参数辨识

来源：评论

学校读者我要写书评

暂无评论

基于分数阶模型的锂离子电池SOC与SOH估算研究

基于分数阶模型的锂离子电池SOC与SOH估算研究

引用

作者：王燕湖南大学

学位级别：硕士

基于我国“双碳”目标的背景要求,新能源汽车的普及已是大势所趋。动力电池作为新能源汽车的核心部件,其性能决定了新能源汽车的安全性和续航里程,而荷电状态(SOC)和健康状态(SOH)是衡量动力电池性能的关键指标。目前常用的SOC与SOH估... 详细信息

基于我国“双碳”目标的背景要求,新能源汽车的普及已是大势所趋。动力电池作为新能源汽车的核心部件,其性能决定了新能源汽车的安全性和续航里程,而荷电状态(SOC)和健康状态(SOH)是衡量动力电池性能的关键指标。目前常用的SOC与SOH估计算法中存在模型匹配度不高、估计精度低、鲁棒性差等问题,基于此,本文基于NCR18650B锂离子电池组,搭建分数阶二阶RC电路模型,改进传统粒子滤波算法(PF)的局限性,将无迹卡尔曼滤波(UKF)的后验分布作为PF的建议分布函数,引入多新息思想,提出FOMIUKPF算法估算电池SOC,同时联合UKF算法进行SOC和SOH联合估算,并对算法的可靠性进行了验证。具体工作如下: (1)通过一系列特性实验和工况实验,对锂离子电池的开路电压、充放电倍率、容量等主要特性参数进行分析。建立整数阶和分数阶二阶等效电路模型及其状态空间方程,分别利用最小二乘法和自适应遗传法辨识模型参数,恒流搁置放电工况和DST工况验证结果表明分数阶模型误差较整数阶模型平均误差分别下降27.8%和9.2%,为SOC及SOH估算方法提供了建模依据。 (2)在PF中引入UKF,使UKF的后验分布函数作为PF的建议分布函数,改善PF算法中“粒子退化”的问题,同时吸取分数阶记忆特性的思想,引入多新息理论,不断更新新息序列,基于分数阶模型提出分数阶多新息无迹粒子滤波(FOMIUKPF)算法估算电池SOC,在MATLAB中利用恒流搁置放电工况数据和DST工况数据在不同SOC初值时进行仿真验证。结果表明FOMIUKPF算法在恒流搁置放电工况下当SOC[0]=100%时均方根误差为0.41%,较FOUKPF、UKPF、PF分别下降了44.6%、95.9%、96.3%,体现了分数阶模型和多新息序列的优势,验证了该算法的可靠性。 (3)针对SOC和SOH估算的快变与慢变与效应,从宏观和微观角度分别预测系统参数和状态,采用多尺度方法构造离散时间状态-空间方程。基于电池容量提出SOC修正估计算法,即在宏观时间下利用UKF算法将电池容量作为参数和状态量进行迭代更新计算估计SOH,与前文的FOMIUKPF算法相融合,基于多时间尺度框架,提出FOMIUKPF+UKF算法实现SOC与SOH的协同估计。恒流搁置放电工况和DST工况验证表明,FOMIUKPF+UKF联合估计算法在SOC初值为100%时SOC均方根误差分别为0.20%、1.51%,较FOMIUKPF算法均方根误差分别下降51.2%、58.2%,SOH平均误差为0.008%,证明该联合估计算法具有较高的精确性。 (4)为验证SOC与SOH的在线估算精度,基于6节串联电池管理系统硬件平台与上位机进行在线验证,验证结果表明SOC与SOH联合估计算法能在电池管理系统中实现较高的在线估计精度。

关键词：分数阶模型 SOC与SOH联合估算粒子滤波算法无迹卡尔曼滤波算法多新息

来源：评论

学校读者我要写书评

暂无评论

基于无迹卡尔曼滤波的动力电池健康状态估计

引用

国外电子测量技术 2022年第10期41卷 136-141页

作者：赵月荷庞宗强南京邮电大学自动化学院、人工智能学院南京210023

准确估计动力电池的荷电状态(SOC)及健康状态(SOH)是电池领域的关键性技术,对正在服役的动力电池进行全面安全精确的管理是保障电动汽车安全高效运行的前提。以二阶RC等效电路模型为基础,运用无迹卡尔曼滤波算法(UKF)对电池SOC和欧姆内... 详细信息

准确估计动力电池的荷电状态(SOC)及健康状态(SOH)是电池领域的关键性技术,对正在服役的动力电池进行全面安全精确的管理是保障电动汽车安全高效运行的前提。以二阶RC等效电路模型为基础,运用无迹卡尔曼滤波算法(UKF)对电池SOC和欧姆内阻进行实时估计,再利用电池欧姆内阻与SOH的关系,实现了对SOH的实时估计。与传统的扩展卡尔曼滤波算法相比,无迹卡尔曼滤波算法无需对状态方程进行线性化处理,不存在截断误差,具有更高的估算精度与稳定性。

关键词：锂离子电池 SOH估计二阶RC等效电路模型无迹卡尔曼滤波算法

来源：评论

学校读者我要写书评

暂无评论

基于UKF-AUKF锂电池在线参数辨识和SOC联合估计

引用

电源技术 2022年第10期46卷 1151-1155页

作者：卢云帆邢丽坤张梦龙郭敏安徽理工大学电气与信息工程学院安徽淮南232001

锂电池荷电状态(SOC)的精确估计是电动汽车安全行驶的保障。为了降低实际复杂工况下电池模型不契合实际电池参数时变特性造成的误差,采用无迹卡尔曼滤波算法(UKF)对电池模型进行在线参数辨识,再联合自适应无迹卡尔曼滤波算法(AUKF)估计... 详细信息

锂电池荷电状态(SOC)的精确估计是电动汽车安全行驶的保障。为了降低实际复杂工况下电池模型不契合实际电池参数时变特性造成的误差,采用无迹卡尔曼滤波算法(UKF)对电池模型进行在线参数辨识,再联合自适应无迹卡尔曼滤波算法(AUKF)估计锂电池SOC,将时变参数反馈到SOC估计的模型中,提高SOC估计精度和对各工况适应性,UDDS工况下通过与离线扩展卡尔曼滤波算法(EKF)、在线双扩展卡尔曼滤波算法(DEKF)进行比较分析,实验结果验证了UKF-AUKF的精确性和鲁棒性。

关键词：在线参数辨识自适应滤波器无迹卡尔曼滤波算法荷电状态

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：