电动汽车电池剩余电量百分比SOC的参数识别优化

发布时间：2017-06-09 10:18

  本文关键词：电动汽车电池剩余电量百分比SOC的参数识别优化，由笔耕文化传播整理发布。

【摘要】：针对标准卡尔曼滤波算法在对SOC参数识别时还存在识别精度不高、稳定性较差等问题。本文设计了一种以非线性变换卡尔曼滤波算法为基础的SOC参数识别优化模型,最先近似非线性函数的概率密度分布,之后再采用具有确定点集来对输入状态的分布进行表示,之后再对每个Sigma点进行非线性变换,得到非线性变换后的点集和方差,最后用本文设计的算法优化SOC估算算法。并进行了仿真实验。结果表明,与标准卡尔曼滤波算法相比,改进后的卡尔曼滤波算法的估算曲线波动较小,且具有更高的稳定性和估算精度。
【作者单位】： 天津大学机械工程学院;河南科技大学车辆与交通工程学院;
【关键词】： 卡尔曼滤波算法 SOC参数识别 非线性变换 电动汽车
【基金】：河南省教育厅科学技术研究重点项目(13A460239)
【分类号】：U469.72;TN713
【正文快照】： 本文针对标准卡尔曼滤波算法在电池剩余电量百分比SOC参数识别中存在的缺点提出了一种基于非线性变换卡尔曼滤波算法的SOC参数识别优化模型,并且利用实验仿真验证了其可行性以及实用性。1基于卡尔曼滤波的SOC模型电池剩余电量用电池剩余电量百分比SOC表示,能够及时反映电池的

【相似文献】

中国期刊全文数据库 前10条

1 兰义华;任浩征;张勇;赵雪峰;;一种基于“当前”模型的改进卡尔曼滤波算法[J];山东大学学报(工学版);2012年05期

2 张哲;陈德树;;卡尔曼滤波算法与富氏算法的分析比较[J];电力系统自动化;1990年04期

3 万建伟,皇甫堪,梁甸农;基于推广卡尔曼滤波算法的声测定位技术[J];国防科技参考;1997年04期

4 夏建涛,任震,陈立,景占荣;极坐标下卡尔曼滤波算法的研究[J];西北工业大学学报;2000年03期

5 高磊,崔鑫水;一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用[J];航天控制;2004年03期

6 高磊;一种反馈修正推广卡尔曼滤波算法及其应用[J];航天控制;2004年05期

7 刘剑锋;庄志洪;刘中;;卡尔曼滤波算法在最佳起爆角估计中的应用[J];弹箭与制导学报;2005年S1期

8 阮建国;陈炯;;一种适于快速实现的卡尔曼滤波算法的改进[J];电测与仪表;2009年02期

9 陈陌寒;巴晓辉;何璐;陈杰;;复杂信号环境下的鲁棒卡尔曼滤波算法[J];科学技术与工程;2011年17期

10 李莉;宋志强;;转换坐标卡尔曼滤波算法在雷达数据融合中的应用[J];仪器仪表用户;2011年04期

中国重要会议论文全文数据库 前9条

1 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年

2 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年

3 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年

4 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

5 曾翠娟;杜传利;;动态GPS自适应卡尔曼滤波算法的FPGA实现[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年

6 李鹏;宋申民;陈兴林;;自适应平方根无迹卡尔曼滤波算法[A];2009年中国智能自动化会议论文集（第八分册）[控制理论与应用（专刊）][C];2009年

7 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年

8 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年

9 朱宁;钱伟康;郭强;;基于嵌入式XP的光谱分析系统[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年

中国博士学位论文全文数据库 前5条

1 孙景荣;X射线脉冲星导航及其增强方法研究[D];西安电子科技大学;2014年

2 葛磊;容积卡尔曼滤波算法研究及其在导航中的应用[D];哈尔滨工程大学;2013年

3 冯波;线性滤波估计算法研究及在惯性导航系统中的应用[D];北京理工大学;2014年

4 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年

5 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年

中国硕士学位论文全文数据库 前10条

1 庞瀛洲;关于电池BMS系统SOC估测算法的研究[D];长安大学;2015年

2 张冬梅;基于改进卡尔曼滤波算法的SOC估计方法研究[D];西南交通大学;2015年

3 林燕平;长基线导航系统滤波算法的研究与实现[D];沈阳理工大学;2015年

4 唐鹏;基于ADS-B数据监视性能评估技术研究[D];中国民航大学;2015年

5 陈辰;基于卡尔曼滤波算法的短期风电功率预测[D];新疆大学;2015年

6 马康健;基于分布式共识的无线传感器网络目标跟踪技术研究[D];哈尔滨工业大学;2016年

7 徐红珍;基于粒子群的卡尔曼滤波算法改进和优化[D];武汉理工大学;2013年

8 邹振宇;基于DSP的Kalman滤波器的算法研究[D];成都理工大学;2012年

9 樊红娟;无先导卡尔曼滤波算法分析[D];西南大学;2007年

10 吴龙龙;一致性卡尔曼滤波算法及其应用研究[D];华东交通大学;2013年

  本文关键词：电动汽车电池剩余电量百分比SOC的参数识别优化，，由笔耕文化传播整理发布。

本文编号：435169