用基于遗传优化的扩展卡尔曼滤波算法辨识电池模型参数
提出了一种基于遗传优化算法(Genetic algorithm,GA)和扩展卡尔曼滤波(ExtendedKalman filter,EKF)算法的电池模型参数辨识方法。建立了锂离子动力电池等效电路模型,模型中两个RC网络分别描述电池的电化学极化特性和浓差极化特性,迟滞电压描述电池充放电过程的平衡电势的差异。对于具有耦合关系的模型参数,采用具有最小均方误差估计效果的EKF辨识算法,针对EKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于遗传算法优化EKF噪声矩阵的方法。试验和仿真结果表明:基于遗传优化的EKF算法(GA-EKF)辨识的电池模型满足电动车辆仿真精度要求。
电气工程、锂离子电池、动态电池模型、参数辨识、基于遗传优化的扩展卡尔曼滤波算法
42
TM912
“863”国家高技术研究发展计划项目2011AA05A108;北京交通大学高校科研基金项目2009JBZ017-3
2012-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
732-737