10.19562/j.chinasae.qcgc.2017.06.007
基于BP-EKF算法的锂电池SOC联合估计
电池荷电状态(SOC)的准确估计是电动车辆进行整车控制优化的先决条件,也是合理实施电池管理的依据.本文中在确定1阶RC等效电路模型的基础上,采用含有遗忘因子的递推最小二乘算法和BP-EKF算法对模型参数与SOC进行在线联合估计,提出一种BP神经网络和扩展卡尔曼滤波(EKF)相结合的锂离子动力电池SOC估计方法,使用相应的滤波输出参数离线训练BP神经网络,进而将训练成功的BP神经网络用于补偿EKF算法的估计误差.通过仿真和电池动态工况试验验证,结果表明,与EKF算法相比,所提出的SOC估计方法具有良好的抑制发散和鲁棒性能,能有效提高SOC的估计精度.
锂电池、荷电状态、扩展卡尔曼滤波、BP神经网络、联合估计
39
TP2;O1
国家自然科学基金51375007;重庆大学机械传动国家重点实验室开放基金SKLMT-KFKT-2014010和SKLMT-KFKT-201507;江苏省普通高校研究生科研创新计划项目SJZZ15_0038
2017-07-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
648-652