文件大小：3.49M
摘要：锂电池荷电状态(SOC)的精确估计对于提高电池能量利用率、保障电池安全运行具有重要意义。针对模型不确定性导致基于卡尔曼滤波(KF)的SOC估计方法精度低的问题，提出一种联合改进型滑模观测器(ISMO)的自适应扩展卡尔曼滤波(AEKF)算法以实现SOC高精度估计。首先，基于双极化(DP)等效电路模型建立融合饱和函数的ISMO，以降低传统滑模观测器的抖振。其次，设计一种新型自适应衰减因子，以降低过往陈旧测量数据对扩展卡尔曼滤波估计结果的影响，并基于融合饱和函数的ISMO，实现联合ISMO的AEKF估计方法设计。最后，基于自主实验平台获取实测模拟工况数据搭建仿真模型，验证了本文所提ISMO＿AEKF算法在不同工况下，相比于AEKF、ISMO＿EKF和其他同类型联合算法，具有更高的估计精度及鲁棒性。
文章目录
0 引言
1 融合饱和函数的ISMO设计
2 AEKF设计
3 联合ISMO的AEKF算法建立
4 新型估计方法先进性讨论
4.1 实验平台搭建及模拟工况测试
4.2 估计结果对比分析
4.2.1 估计精度分析
4.2.2 鲁棒性分析
5 结论
