-
公开(公告)号:CN113189492A
公开(公告)日:2021-07-30
申请号:CN202110545909.5
申请日:2021-05-19
Applicant: 西南科技大学
IPC: G01R31/367 , G01R31/387 , G01R31/388
Abstract: 本发明涉及一种基于时变校正扩展卡尔曼滤波的锂离子电池SOC估算方法,其特征在于,通过在卡尔曼滤波算法基础上利用泰勒展开式进行线性化处理使卡尔曼滤波能应用于具有非线性关系的锂离子电池组SOC估算,实现了对锂离子电池组SOC值的有效迭代计算,克服SOC初值误差和安时积分存在的累积误差;考虑到模型内部参数受多种因素影响而并非恒定不变,通过曲线拟合法得到SOC与各个参数的函数关系并应用在算法中;建立Thevenin等效电路模型,克服极化效应出现的误差,步骤简短且原理清晰,适合功率型电池充放电的暂态分析,且对电池具有更好的表征效果;该方法在充分考虑锂离子电池成组工作基础上,基于等效模型电路。
-
公开(公告)号:CN115453364A
公开(公告)日:2022-12-09
申请号:CN202110639875.6
申请日:2021-06-09
Applicant: 西南科技大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明涉及一种基于强跟踪自适应修正的强鲁棒电动汽车锂离子电池SOC和SOH联合估计方法,其特征在于通过将渐消因子和自适应滤波器引入扩展卡尔曼中,使系统具有跟踪突变和连续修改噪声统计特性的能力,克服了扩展卡尔曼算法估算精度不高的问题;针对扩展卡尔曼算法不具有跟踪突变的能力及噪声统计特性固定而导致的估算不精确问题,本方法将强跟踪滤波器和自适应滤波器引入扩展卡尔曼中,保证估算值的高精确度;该方法基于等效模型电路,增强观测数据比例,修改以卡尔曼为基础的噪声统计特性,防止可能存在的误差发散以追踪错误,实现锂离子电池SOC和SOH联合估算模型的建立和SOC值及SOH值的数学迭代运算算法的可靠运行。
-
公开(公告)号:CN115128462A
公开(公告)日:2022-09-30
申请号:CN202110315500.4
申请日:2021-03-24
Applicant: 西南科技大学
IPC: G01R31/367 , G01R31/378 , G01R31/388
Abstract: 本发明涉及一种基于雅克比矩阵自适应修正的强鲁棒性特种机器人锂离子电池SOC估计方法,其特征在于,使卡尔曼滤波能应用于具有明显非线性关系的锂离子电池组SOC估算,克服扩展卡尔曼算法的SOC在低容量区时的较大误差;针对由于扩展卡尔曼算法在估算后期导致的误差积累以及电池放电至低容量区时仿真的端电压误差增大导致扩展卡尔曼算法估算不精确问题,本方法在低容量区时融合了安时积分法和扩展卡尔曼算法,保证SOC在低容量区时取到以上两种方法的最优值;该方法基于等效电路模型,改进卡尔曼算法的迭代过程,将安时积分法和扩展卡尔曼算法融合,防止可能存在的误差发散,实现锂离子电池组SOC估算模型的建立和SOC数学迭代运算的可靠运行。
-
-