基于FFRLS-AEKF的6轮足机器人电池SOC估计

摘要：

针对6轮足机器人动力电池的荷电状态(state of charge,SOC)估计精度低、电池模型准确度不高等问题,提出一种基于带遗忘因子的递推最小二乘(recursive least squares with forgetting factor,FFRLS)与自适应扩展卡尔曼滤波(adaptive extended Kalman filtering,AEKF)相结合的估计算法.首先通过FFRLS算法辨识建立动力电池等效模型参数;然后利用AEKF对SOC在线估计,并为参数辨识提供准确的开路电压;最后以机器人锂电池包为对象,在动态应力测试工况(dynamic stress test,DST)下实验验证了该算法可以准确地估算动力电池SOC,SOC估计相对误差在2.5％以内.

关键词：6轮足机器人;荷电状态;递推最小二乘;自适应卡尔曼滤波

所属期刊栏目：42

分类号：TK01(一般性问题)

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：271-278