本文選題：荷電狀態(tài) + 交互式多模型��； 參考：《信息與控制》2017年05期

【摘要】：本文提出一種由交互式多模型和擴展卡爾曼濾波兩種算法相結(jié)合而形成的濾波器,并應(yīng)用于鋰離子電池非線性系統(tǒng)的狀態(tài)估計.先采用兩個不同參數(shù)的戴維寧電路模型描述鋰離子電池的動態(tài)特征.再將交互式多模型擴展卡爾曼濾波器和傳統(tǒng)擴展卡爾曼濾波器分別用于荷電狀態(tài)估計,針對復合脈沖功率測試和城市道路循環(huán)工況進行了數(shù)值仿真實驗,針對恒流放電進行了硬件仿真實驗.最后,對實驗結(jié)果分析表明交互式多模型卡爾曼濾波算法的有效性和相對以傳統(tǒng)方法在估計誤差方面的優(yōu)勢,計算量增加合理.
[Abstract]:In this paper, a filter based on the combination of interactive multi-model and extended Kalman filter is proposed and applied to the state estimation of lithium ion battery nonlinear system. Firstly, the dynamic characteristics of lithium ion battery are described by two different parameters of Davinen circuit model. Then the interactive multi-model extended Kalman filter and the traditional extended Kalman filter are used to estimate the charged state respectively. The hardware simulation experiment for constant current discharge is carried out. Finally, the experimental results show that the effectiveness of the interactive multi-model Kalman filter algorithm and the advantages of the traditional method in estimation error, the computational complexity is reasonable.
【作者單位】： 合肥學院機械工程系;中國科學院合肥智能機械研究所;安徽工程大學機械與汽車工程學院;
【基金】：安徽省自然科學基金資助項目(1408085MF134) 安徽省高校優(yōu)秀青年骨干人才國內(nèi)外訪學研修重點項目(gxfx ZD2016224)
【分類號】：TM912;TN713

【相似文獻】

相關(guān)期刊論文 前10條

1 緱玲玲;袁中直;鐘清華;劉金成;;一次鋰-亞硫酰氯電池電化學阻抗譜與荷電狀態(tài)(英文)[J];中山大學學報(自然科學版);2007年S1期

2 王福忠;鄧坤;;基于區(qū)域極點配置電池荷電狀態(tài)的估計方法[J];節(jié)能;2013年04期

3 趙凱;朱黎明;;無跡卡爾曼濾波的電池荷電狀態(tài)估計試驗研究[J];汽車工程學報;2013年05期

4 程博;韓琳;王軍平;曹秉剛;;利用免疫進化網(wǎng)絡(luò)的鎳氫電池組荷電狀態(tài)預測[J];西安交通大學學報;2007年11期

5 李革臣;古艷磊;;電化學阻抗譜法預測鋰電池荷電狀態(tài)[J];電源技術(shù);2008年09期

6 夏晴;劉志遠;;電動汽車動力電池荷電狀態(tài)的滑模估計方法[J];東南大學學報(自然科學版);2011年S1期

7 麻友良,陳全世,朱元;變電流下的電池荷電狀態(tài)定義方法探討[J];電池;2001年01期

8 何鵬林;王曉冬;;串聯(lián)鋰離子電池組荷電狀態(tài)評估方法對比[J];安全與電磁兼容;2011年01期

9 沈江;張文斌;全小紅;周嵩;陳景玲;;鈦酸鋰電池荷電狀態(tài)的試驗研究[J];新技術(shù)新工藝;2014年01期

10 葉林;陳政;趙永寧;;考慮電池荷電狀態(tài)的光伏功率分段平滑控制方法[J];電網(wǎng)技術(shù);2014年07期

相關(guān)會議論文 前2條

1 孫駿;李寶輝;;電動汽車電池荷電狀態(tài)的估算方法研究及展望[A];2012安徽省汽車工程學會年會論文集[C];2012年

2 張秀玲;宋建軍;;基于RBF神經(jīng)網(wǎng)絡(luò)的MH-Ni電池荷電狀態(tài)預估模型[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)交流會論文選編[C];2005年

相關(guān)碩士學位論文 前10條

1 馬陽陽;交互式多模型電力負荷建模理論與方法研究[D];山東大學;2016年

2 張樹鵬;電動汽車電池荷電狀態(tài)及行動力分析研究[D];上海交通大學;2015年

3 潘貴財;基于神經(jīng)網(wǎng)絡(luò)的電池組容量檢測系統(tǒng)設(shè)計[D];大連理工大學;2015年

4 羅志亮;鋰電池荷電狀態(tài)自適應(yīng)估計算法研究[D];哈爾濱工業(yè)大學;2016年

5 楊瀟;基于模糊算法的風儲聯(lián)合系統(tǒng)控制策略研究[D];山東大學;2016年

6 林鵬峰;磷酸鐵鋰電池建模及其荷電狀態(tài)估計算法研究[D];西南交通大學;2015年

7 馮小華;多模式電池組的能量快速擴展與分配方法研究[D];上海應(yīng)用技術(shù)大學;2016年

8 趙曉兵;鋰離子電池荷電狀態(tài)在線估計技術(shù)研究[D];南京航空航天大學;2016年

9 黃銳森;鋰電池荷電狀態(tài)、健康狀態(tài)以及功率狀態(tài)的聯(lián)合在線估計算法[D];西南交通大學;2017年

10 夏晴;電動汽車用鋰離子電池荷電狀態(tài)估計算法的研究[D];哈爾濱工業(yè)大學;2011年

，

本文編號：2001401